凯时KB88新闻网8月16日电（通讯员 李非 李泽彤）为活化国际交流，拓展学术视野，7月21日至27日，数学科学学院2024年“数学之旅”港理工暑期学校举行。40名凯时KB88学子赴香港理工大学交流学习，聚焦数学对大数据、人工智能等领域的支撑，了解领域前沿，深化专业认知，提升国际素养。

本次暑期学校10个专题的课程分为前沿领域的数学之用、机器学习中的数学、大语言模型的前世今生3个版块，涵盖金融数学、深度学习、量子计算、统计应用等多个领域。

前沿领域的数学之用

香港理工大学讲座教授戴民主讲讲座From Quantitative Finance to Fin-Tech，介绍了最优投资、期权定价和公司金融等量化金融中的三个重要领域，并讨论了金融科技领域中的若干问题，展现了数学在该领域的重要作用。陈可歆助理教授主讲讲座Understanding and Modeling Carbon Market Prices聚焦碳市场定价，介绍了碳定价的历史背景、环境政策的分析模型和碳定价的动态模型。蒋滨雁副教授主讲讲座Introduction to Statistical Network Data Analysis，回顾了统计学和复杂网络有关的，介绍了统计方法在复杂网络分析中的应用，并结合实例与同学们共同研讨了如何从网络数据中提取有意义见解。何岱海教授主讲讲座Modeling of the Spread of Infectious Diseases，介绍了建模传染病模型所需的数学工具，之后讲解了SEIR模型、SIR模型和季节性强迫SIR/SEIR模型等常见有关数学模型。张国峰副教授主讲讲座Quantum Computing: What It is, Why We Want it and How to Get It，介绍了量子计算的内涵，并从数学和量子力学两个方面讲述了其基本原理。

机器学习中的数学

崔建波助理教授主讲An Introduction to Optimal Transport Problem，回顾了最优传输问题的提出背景和求解算法研究现状，阐明了其在机器学习中的重要应用，同时讲述了对Wasserstein哈密顿流的研究重要结果及其与最优传输问题之间的联系。全职博士生Yuan Gao主讲How Diffusion Models Work: The Mathematical and Statistical Ideas，介绍了扩散模型所基于的数学和统计概念，并从生成学习、扩散模型和连续正则化流、统一框架和规律性估计、近似和收敛速度四个方面分享了生成学习中的高斯降噪。全职博士生Lo Yuanhang主讲Learning from Humans: Fundamentals and Applications of Inverse Reinforcement Learning，介绍了逆强化学习（IRL）的基础知识和原理，并结合实例介绍逆强化学习在自动驾驶、机器人技术和博弈论方面的应用。

大语言模型的前世今生

全职博士生Sun Maojun主讲Understanding Large Language Models: Principles,Evolution, and Applications，讲解了大语言模型的微调方法、注意力机制和变换器架构的发展历程，介绍了LLM在文本总结、翻译和情感分析等任务中的应用，帮助同学们较为系统地了解了大语言模型。全职博士生Ren Chenyu主讲Large Language Model Meets Biology，介绍了人工智能的发展历史和生物学的基础知识，向同学们展示了解读基因序列、理解蛋白质相互作用和挖掘生物医学文献等大语言模型应用于生物数据的实例。

数心远航，同向未来。学院将持续搭建国际交流的平台，通过暑期学校、学期交换、联合培养等多种形式，拓宽同学们与世界数学顶尖学者的交流渠道，整体提升学院国际化人才培养水平。

（审核：张筱）

编辑：贾爱平