2020年11月27日，北京大学和北京国际数学研究中心长聘副教授、人工智能研究院数理基础中心主任董彬应邀来我院举行了一场题为Deep CT Imaging by Unrolled Dynamics的在线学术报告。副院长陈蔼祥主持了此次报告会，统数学院研究生以及“深度学习”研究团队主要成员，参加了此次在线交流会。
董彬首先简介了其在反问题等领域中的相关工作，接着介绍了如何从最优控制角度看待深度学习，以及如何用深度学习技术进行高质量的医学CT图像重建等方面的研究。
交流会上，陈蔼祥结合深度学习领域中的可解释性难题，向董彬老师请教了反问题领域中的研究现状。双方进一步讨论了共同关心的深度学习领域中的一些其他热点难点问题。
报告人简介：董彬，北京大学，北京国际数学研究中心长聘副教授、人工智能研究院数理基础中心主任。2003年本科毕业于北京大学数学科学学院、2005年在新加坡国立大学数学系获得硕士学位、2009年在美国加州大学洛杉矶分校数学系获得博士学位。博士毕业后曾在美国加州大学圣迭戈分校数学系任访问助理教授、2011－2014年在美国亚利桑那大学数学系任助理教授，2014年底入职北京大学。主要研究领域为应用调和分析、反问题计算、深度学习及其在图像和数据科学中的应用。在理论上，与合作者一起将图像领域独立发展近30年的两个数学分支（PDE/变分方法和小波方法）建立深刻的理论性联系。该理论研究提高了我们对这两类方法的认识，也开拓了的思维，从而诱导出了一些新的图像处理算法，在医疗影像分析中得到成功的应用。该理论工作也激发了董彬团队在深度学习理论基础方面的研究，是神经网络和PDE之间联系的关键。董彬团队目前的研究方向是探索模型驱动与数据驱动的融合、科学计算与机器学习的融合，用数学理论指导深度学习、用机器学习辅助科学计算，设计能够从复杂动态数据中发掘科学规律的模型和算法，助力科学探索和临床决策。
供稿：郭影玲 审核：陈蔼祥