关于举行张中强 教授（Worcester Polytechnic Institute）学术报告会的通知

报告主题: Continual learning for Least square collocation methods for PDEs with small parameters（最小二乘配点法求解带小参数偏微分方程的持续学习策略）

报 告 人: 张中强 教授

报告时间：2026年 7月6日（星期一）下午16:00-17:00

报告地点：一号楼1302

邀 请 人: 曾凡海 教授

欢迎广大师生前往！

数学学院

2026年7月6日

报告摘要： 

A least squares collocation method is presented for stiff PDEs with small parameters. By embedding these parameters directly into the formulation, the scheme resolves sharp gradients without auxiliary basis enrichment or parameter tuning. The method follows a continuation path—starting from larger parameter values and gradually approaching the target—to enhance stability in highly stiff regimes. Minimizing the residual at collocation points yields a compact, robust approach for capturing large derivatives. Numerical tests verify its accuracy, and the same framework extends naturally to optimal control problems through least squares enforcement of state and optimality conditions..

报告人介绍：

张中强，现任伍斯特理工学院（美国）数学科学系教授。2011年上海大学数学系取得计算数学博士学位，师从马和平教授。 2014年1月获得布朗大学应用数学系博士学位。 2014年7月起任教于伍斯特理工学院数学科学系。主要研究兴趣计算数学包括积微分方程数值解，计算概率和优化，以及机器学习的计算理论等。在各类著名计算数学期刊发表多篇论文。