为深化学术交流，推动师生对前沿技术的了解，活跃学术氛围，12月22日上午9：00，由冶金装备及其控制教育部重点实验室、机械传动与制造工程湖北省重点实验室与精密制造研究院联合主办的学术报告在教一楼415会议室举行。香港科技大学助理教授陆杨龙以“物理信息机器学习在工程应用中的逆问题研究”为题，带来了一场精彩的学术报告。此次报告吸引60余名学生现场参加，机械工程学院林昕教授主持学术报告。
报告中，香港科技大学机械与航空航天工程系陆杨龙教授聚焦工程应用中的逆问题，深入解析了稀疏测量下全场重建的核心难题。他指出，传统方法在传感器成本、安装空间限制及原始场干扰等方面存在局限，而物理信息机器学习（PIML）为解决这一“棘手问题”提供了新路径。
针对逆问题的不适定性，陆杨龙教授系统介绍了物理基压缩感知、物理约束字典学习等核心方法，详细阐述了PIFCN用于热传导、FV-PIUnet用于流体流动的创新模型架构，通过融合物理定律与机器学习，实现了低数据采集率下的高精度重建。他展示了相关技术在增材制造温度监测、内部热源检测、孔隙率估计等场景的应用成果，验证了其在3D打印、风洞实验等工程领域的实用价值。此外，陆杨龙教授还分享了该技术在数字孪生、生物打印等前沿方向的探索，展望了实时过程监测与全生命周期评估的应用前景。
陆杨龙教授的报告内容前沿且实用性强，围绕“物理信息机器学习解决工程逆问题”主题，既呈现了扎实的理论框架，又展示了丰富的工程实践案例，为师生带来了深刻的学术启发。本次报告成功搭建了高水平学术交流平台，不仅拓宽了相关领域的研究视野，更为推动物理信息机器学习与工程应用的深度融合提供了宝贵思路，对学科创新发展具有积极意义，陆杨龙教授与现场学生进行了热烈讨论。
报告结束后陆杨龙教授受邀参观了智能增材制造实验室，与林昕教授就增材制造领域的未来发展方向及工作方法进行了深入的交流和探讨。
报告人简介：
陆杨龙，香港科技大学机械与航空航天工程系助理教授。于2016年与2020年在乔治亚理工学院机械工程专业分别获得学士和博士学位。研究方向主要有增材制造过程检测、多物理场仿真、机器故障诊断和结构优化。已在国际知名期刊及会议上发表相关研究成果40余篇及申报了3项美国专利。曾担任ASME和IISE等知名国际学术会议的分会场主席及学术委员会。曾获美国机械工程协会最佳博士毕业论文奖及最佳会议论文奖，香港创新创业大赛优异奖，入围2023美国国家自然基金制造业蓝天竞赛，密西根大学博士后协会会议奖，美国机械工程协会制造与生命周期设计会议海报竞赛奖等。目前已主持创新科技署(香港)，香港科技大学-产业转化中心、大学教育资助委员会(香港)、国家自然科学基金等项目。
