报告将首先回顾现有基于深度神经网络求解微分方程的几类机器学习方法，它们基本都是从方程到优化，而第一型原理通常可直接给出优化问题。基于此，我们将介绍两类基于归一化深度网络的算法，分别应用于薛定谔方程的稳态求解与波动方程的初终值问题上，旨在规避方程得到从物理到优化的直接实现。

报告人简介：赵晓飞，武汉大学数学与统计学院、湖北国家应用数学中心教授，从事计算数学与应用数学方面的研究。2010年北京师范大学本科毕业，14年新加坡国立大学博士毕业，15-18在法国国家信息与自动化研究院做博后，19年初加入武大，科研兴趣主要为色散和动力学类方程的数值离散和误差分析。曾获国家青年人才项目支持，近5年主持国家自然科学基金青年和面上项目。