（differential equation）。它们是悉达多·米什拉研究的核心。

(资料图)

取得了两个最非凡的突破：这些方程以瑞士数学家莱昂哈德·欧拉（Leonhard Euler，1707-1783）的名字命名。他设计了一类重要的偏微分方程，用于描述流体流动，例如发生在翼型周围的流体流动。米什拉通过提出一种近似方法的新算法，解决了已经开放了30年的欧拉方程问题。他还为某些欧拉方程开发了一种求解方法，该方法可以更精确地确定不稳定、混沌和湍流的动力学。

播放视频

最近，作为ETH人工智能中心（ /en ）成员的米什拉开始设计非常强大的机器学习算法。最初，他关心的是缩短模拟的计算时间。现在，关于机器学习如何提高模拟的准确性并解决以前无法解决的问题越来越多。

米什拉已经有几个例子可以展示使用机器学习加快计算时间：

在金属3D打印过程中，他的方法将模拟的计算时间从大约四个小时减少到十分之一秒（0.1秒）。

在海啸预警系统的情况下，米什拉学习方法的计算时间约为百分之一秒（10⁻²秒）。以前，从地震事件中预测海啸将如何演变和蔓延大约需要一个小时。

彩虹色图像代表了油藏中油浓度的模拟。

米什拉个人最喜欢的是层积云模拟（stratocumulus cloud simulation），这很难计算。

米什拉与Empa（瑞士联邦材料科学与技术研究所）研究人员一起开发了一种新的金属3D打印工艺。

“机器学习模拟不仅应该快十倍，而且应该快一万到十万倍，”米什拉说。学习算法如何提高模拟准确性的一个例子来自地球物理学研究。他与最近担任理论研究所研究员的杨雨楠【请参阅小乐数学科普：视角的改变如何引起轰动——专访反问题数学家杨雨楠（浙大校友、ETH高级研究员）】和其他合作者一起提出了一种新的机器学习算法，通过地震成像来识别地表下的地球物理特性，即通过将地震波发送到地面并在地表的测量站记录它们的反射。米什拉和杨的算法比以前的算法快四到五倍，而且它们的准确度也高出两到四倍。

悉达多·米什拉教授在获得2019年Infosys（印孚瑟斯，印度软件公司）数学科学奖之际的简短肖像。他是一位应用和计算数学家，设计计算方法来理解复杂的物理事件。视频地址/04uWIzLK3lA

米什拉还利用物理学作为他的机器学习算法的灵感：一方面，他使用机器学习来解决物理问题。另一方面，他使用物理学原理和概念来开发更强大、更鲁棒、更可靠的机器学习系统 - 例如，改进神经病学中的成像。

关于罗斯勒奖

2008年，Max Rössler（马克斯·罗斯勒）向苏黎世联邦理工学院基金会捐赠了1000万瑞士法郎。他以年度奖励的形式捐赠财产利息，奖励处于研究生涯扩展阶段的ETH教授。罗斯勒奖价值200万瑞士法郎，是苏黎世联邦理工学院捐赠最多的研究奖项。它每年在苏黎世联邦理工学院基金会的“感恩”活动上授予。罗斯勒在苏黎世联邦理工学院学习数学，并撰写了关于太空旅行轨道计算的博士论文。在哈佛大学担任客座研究员后，他回到了ETH，从1967年到1978年，他是运筹研究所的资深科学家和讲师。他后来在财富管理部门工作，然后从商业生活中退休。2013年，他被苏黎世联邦理工学院授予名誉理事称号。

悉达多·米什拉（右）与该奖项的捐赠者马克斯·罗斯勒（左），他也是数学家。

参考资料

/en/news-and-events/eth-news/news/2023/06/a-good-solutions-secret.html

/en/roessler-prize/

让数学

更加

易学易练，

易教易研，

易赏易玩，

易见易得，

易传易及。