美国工程院院士陈卫教授做客第127期大师讲坛

2019.05.29 6514

527日,美国工程院院士陈卫教授在闵行校区机械与动力工程学院高田会堂做客第127期大师讲坛,为交大师生带来题为“数据驱动的工程材料系统计算设计”的精彩报告。

a829bc11ab5017dc8a0eb25cc972508.jpg

陈卫教授首先概述了多年以来面向工程设计和制造等领域所开展的相关研究,引出当下材料设计领域所面临的挑战与机遇,指出未来的材料设计不应局限于材料这一门学科,而将是多学科交叉,数据科学与工程互联的前沿,集成计算材料工程(ICME)将在其中发挥非常重要的作用。紧接着,陈卫教授介绍了集成计算材料工程的三个重要组成部分,即材料表征、性质预测及材料设计,概述了各部分所面临的研究难点。她指出,当前集成计算材料工程的一个很重要的研究目标,是通过数据及计算设计方法,将材料设计的各部分连接成一个贯通的系统,从而弥补材料设计在理论和先验知识方面的缺乏,促进新材料的设计创新。

在材料表征方面,陈卫教授指出其研究难点在于材料微观结构的设计空间是无穷维的,并以太阳能极为例,重点介绍了微观结构的表征和重建,包括基于拓扑优化的离散方法,基于数据相关性的统计方法及基于深度模型的机器学习方法。在材料性质预测方面,她认为仿真和实验的高成本及长耗时阻碍了快速预测的实现,进而介绍了以贝叶斯优化为代表的代理模型技术,及对建模及制造过程中的不确定性的研究。在材料设计综合方面,陈卫教授指出其挑战在于对于设计空间知识的缺乏,并以准随机材料的设计为例,说明了高斯过程、谱密度函数及生成对抗网络等各类数据驱动方法如何有效地挖掘和提取材料隐藏的数据结构及特征,并进一步用于系统高效的材料设计及材料基因库的构建中。

在讲座最后,她总结到,由于材料设计是一个非常复杂的问题,计算及数据驱动设计将在其中发挥越来越重要的作用。她强调,制造过程中存在的不确定性,使得设计和制造过程耦合在一起,因而需要关注对不确定性的量化和传递机制的研究。她指出,目前材料和结构设计领域的对于机器学习的应用还处在探索阶段,但在各种学术会议和期刊上已经能看到学者们越发热烈的讨论,研究的兴趣正在上升。她相信,这一新兴方法在材料及结构设计领域的应用将是一个非常有潜力和有意义的方向。

在互动环节中,陈卫教授回答了有关深度学习的物理含义解释、高斯过程对于数据量的要求、谱密度函数在晶体和非晶材料的应用、不确定性的量化传递以及集成计算材料工程在工业界的实际应用等问题。她的回答简洁又不失严谨,透露出其为学一丝不苟、踏实钻研的态度,让在场观众既有了学识上的收获,又有学术精神的感染。

讲座最后,大师讲坛组委会向陈卫教授赠送了精心制作的泥塑人像作为纪念品,以表达交大学子对他到访由衷的感谢和诚挚的祝福。

 

【嘉宾简介】

陈卫,美国工程院院士,美国机械工程师学会会士,美国西北大学工程设计方向Wilson-Cook冠名教授,现担任集成设计自动化实验室和预测科学与工程设计跨学科(PS &ED)主任。她于1988年在上海交通大学获得机械工程学士学位,于1995年在佐治亚理工学院获得博士学位。目前担任 ASME《机械设计》(JMD) 期刊主编,以及国际结构和多学科设计学会 (ISSMO) 执行委员会主席。她曾担任 ASME 设计工程分会 (DED) 执行委员会主席和成员(2009-2015),并担任世界设计学会咨询委员会委员 (2007-2013)。她是《设计科学》期刊副编委、《结构和多学科优化》期刊的评论编辑,并担任SIAM/ASA学会《不确定性量化》(JUQ) 期刊的副编委和 IIE 汇刊的编辑。她曾获得ASME设计自动化奖、美国国家科学基金会 (NSF) 青年成就奖、美国机械工程师学会 Pi Tau Sigma 金奖和美国汽车工程师学会 (SAE) Ralph R. Teetor 教育成就奖。

她的研究方向包括基于仿真的不确定性下的设计、模型验证和不确定性量化、设计和先进制造中的数据科学、随机多尺度分析与材料设计、超材料的设计、多学科设计优化、消费者选择模型和基于决策的设计。

 

【背景介绍】

具有复杂微结构的工程材料系统,代表了工程研究的未来,用以实现前所未有的材料性能。但由于问题的复杂性和先验理论知识的缺乏,工程材料系统亟需一套系统化的数据驱动计算方法来指导其设计过程。集成计算材料工程(ICME)即是这样一种以数据科学和计算理论为核心的材料设计方法,以实现设计优化、材料预测模型的建立、加工/制造、和数据/信息学的无缝集成,促进先进材料系统的设计创新。

陈卫是国际工程设计领域的知名学者,她在工程设计领域做出了具有开创性的贡献,提出了包括SORA方法在内的多项不确定性分析的理论方法,推动了基于不确定性的设计理论的发展,促进了统计分析(数据科学)和概率理论在工程设计中的实际应用。她为在工程实践中引入稳健设计方法,以提高产品质量和决策的稳健性,作出了广泛而深远的贡献。她的研究团队针对高计算代价、高维度及含多源不确定性的设计问题,开发了各类新的计算方法,显著降低了优化设计对于仿真量和计算量的要求。近年来,她与机械、材料、制造、计算机科学、统计学、社会科学、决策分析和交通工程等多学科的学者建立了密切的合作关系,以解决工程设计中具有挑战性的跨学科课题。