@Article{CAM-20-22, author = {}, title = {CSIAM专家包刚教授、段慧玲教授、胡事民教授当选中国科学院院士}, journal = {CAM-Net Digest}, year = {2023}, volume = {20}, number = {22}, pages = {1--1}, abstract = {

2023年11月22日,中国科学院公布了2023年新当选院士名单。中国工业与应用数学学会副理事长、浙江大学包刚教授,学会数学力学专业委员会秘书长、北京大学段慧玲教授,学会大数据与人工智能专业委员会委员、清华大学胡事民教授当选中国科学院院士。

包刚,男,满族,1964年6月出生,黑龙江哈尔滨人,1991年1月参加工作,研究生学历,博士。浙江大学求是讲席教授、博士生导师,美国工业与应用数学学会会士、美国数学学会会士、中国工业与应用数学学会首届会士,浙江省特级专家, 2023年当选为中国科学院院士。

1985年本科毕业于吉林大学,1991年在美国莱斯大学获得应用数学博士学位。1994年起任佛罗里达大学助理教授、副教授,1999年任密歇根州立大学教授,2006年创建密歇根工业与应用数学中心并任主任。2010年至2020年担任浙江大学数学系主任、数学科学学院院长。2020年至2022年任浙江大学研究生院院长、工程师学院院长。现任浙江大学理学部主任、工程师学院院长、浙江工业大学副校长。

长期致力于数学物理反问题的基础理论、算法与应用研究,是该领域的国际领军人物之一。其主要学术成就包括:发展了一般情形下波动方程反问题的整体稳定性理论,提出了求解麦克斯韦方程反散射问题的多频稳定算法,系统地建立了衍射光栅问题的数学理论。在包括国际顶尖刊物 Journal of the American Mathematical Society等期刊上发表论文160余篇。现/曾任Inverse Problems、SIAM Journal on Numerical Analysis、SIAM Journal on Applied Mathematics、Journal of Differential Equations、Multiscale Modeling & Simulation、Sci. China Math.等20余个国际知名期刊编委以及 CSIAM Transactions on Applied Mathematics 和 Journal of Computational Mathematics 执行主编。

以独立完成人获国家自然科学奖二等奖、浙江省自然科学奖一等奖。曾获冯康科学计算奖,密歇根州立大学杰出成就奖。应邀在2022年国际数学家大会作45分钟报告。主持国家自然科学基金创新研究群体项目、重大研究计划重点项目和集成项目、以及国家杰出青年科学基金项目(B 类)。

段慧玲,1970年5月生。2005年获北京大学理学博士学位。现任北京大学工学院院长。长期从事界面力学和流固耦合力学研究,她突破非线性、多相、多尺度和稳定性等难题和挑战,形成了跨越"微-细-宏"观多尺度、涵盖"气-液-固"多相的界面力学新理论和新方法,取得了具有国际影响的创新成果。在国际主流期刊发表论文230余篇,担任固体力学学报副主编、多个SCI期刊的编委,主持国家自然科学基金重大项目、重点项目和重大研发计划项目等。

段慧玲作为第一完成人获国家自然科学奖二等奖(2020)和教育部自然科学奖一等奖(2016);并获全国创新争先奖状(2023)、中国青年科技奖(2016)、中国青年女科学家奖(2014)、全国三八红旗手(2022)、宝钢基金会优秀教师特等奖(2022)、徐芝纶力学奖(2023)、洪堡研究奖(2023)等荣誉。研究成果入选"十三五"国家自然科学基金资助项目优秀成果选编。2012年获得国家杰出青年科学基金,2014年入选长江学者特聘教授,2020年入选美国机械工程师学会会士(ASME Fellow)。2023年,当选中国科学院院士。

胡事民,1968年9月生,清华大学计算机科学与技术系教授。1990年获吉林大学数学系计算数学与应用软件专业学士学位,1993年和1996年分获浙江大学数学系应用数学专业硕士和博士学位。1996年6月至今,在清华大学计算机科学与技术系工作。国家杰出青年科学基金获得者和创新群体的学术带头人。现任中国计算机学会副理事长、ACM SIGGRAPH 执委、亚洲图形学会主席。

长期从事计算机图形学、几何计算与人工智能相关领域的教学和研究工作,在可视媒体智能处理的理论、方法和应用研究方面作出了系统性的贡献,成果应用于流程工厂的数字重建和大规模街景系统构建,研制了我国空间站首个天地协同混合现实系统;创新性地提出元算子融合思想和统一计算图策略,研制并开源了自主深度学习框架"计图",有效降低了算子优化难度和异构硬件适配复杂度,实现了国产CPU、GPU和AI芯片的高效适配,在节省显存的同时,大幅提升了神经网络和大模型的训练推理效率。

以第一完成人获国家自然科学奖二等奖、国家技术发明奖二等奖、国家科技进步奖二等奖各1项,并获得中国计算机学会"王选奖"和全国创新争先奖。

}, issn = {}, doi = {https://doi.org/2023-CAM-22259}, url = {https://global-sci.com/article/74759/csiam} }