报告题目：高效优化与机器学习的几何视角
报告时间：2026年3月25日（周三）9:30
报告地点：信息楼三楼计算机广场报告厅
报告人：刘成洋
报告内容：
本次报告探讨如何通过结合几何学与优化方法，来为科学机器学习设计算法。报告的具体内容涵盖三个方面：实现图像无折叠处理的拟共形映射技术、用于双曲空间优化的庞加莱梯度下降算法，以及针对玻色 - 爱因斯坦凝聚态（BECs）等复杂物理系统提出的加速 Sobolev 梯度流方法。
报告人简介：
刘成洋，香港大学博士候选人，师从 Michael K.P. Ng 教授与 Wai-Ki Ching 教授。其研究主要聚焦于离散共形几何、黎曼优化以及科学机器学习的交叉领域。目前，他已在 CVPR、AAAI 和 JCP 等发表过多项研究成果，他希望通过引入严谨的几何原理，来推动形状分析与优化算法的可靠性。
