<p style="text-align: justify; text-indent: 2em;"><span style="font-size: 16px; font-family: 宋体, SimSun;">报告人简介</span></p>
<p style="text-align: justify; text-indent: 2em;"><span style="font-size: 16px; font-family: 宋体, SimSun;">杨金民，中国科学院理论物理研究所研究员、河南师大特聘讲席教授、中国科学院大学岗位教授和日本东北大学兼职教授。1995年在中国科学院理论物理研究取得博士学位，1996-2000年在美国西北大学、爱荷华州立大学和日本东北大学做博士后研究，2000年中国科学院引进国外杰出人才回国任理论物理研究所研究员和博导，从事高能物理的理论研究，在超出标准模型的新物理特别是超对称理论和希格斯物理方面有系列深入的研究，发表论文200余篇，被引9000余次，获得国家杰出青年基金、百千万人才工程国家级人选、王淦昌物理奖、中国科学院优秀导师奖、中国科学院大学优秀教师荣誉称号、朱李月华优秀导师奖和BHP Billiton优秀导师奖。</span></p>
<p style="text-align: justify; text-indent: 2em;"><span style="font-size: 16px; font-family: 宋体, SimSun;">报告内容</span></p>
<p style="text-align: justify; text-indent: 2em;"><span style="font-size: 16px; font-family: 宋体, SimSun;">人工智能和机器学习正在深入应用于包括物理在内的各个领域，本报告首先介绍今年的诺贝尔物理奖，然后阐述机器学习的基础知识及其前沿性和重要性，最后展示高能新物理研究中机器学习的一些具体运用：(1)把神经网络运用到新物理特别是超对称参数空间的扫描；(2)把图形神经网络运用到LHC对撞机上超对称粒子的寻找和希格斯粒子性质的鉴定；(3)把卷积神经网络运用到LHC对撞机上新物理粒子-类轴子的寻找。</span></p>