报告人：雷渊 教授
报告题目：求解大规模k-稀疏特征值问题的强化学习算法
报告时间：2026年4月20日（周一）下午4：00
报告地点：云龙校区6号楼304报告厅
主办单位：数学与统计学院、数学研究院、科学技术研究院
报告人简介：
雷渊，湖南大学数学学院教授、博士生导师，湖南大学岳麓学者，主要从事约束矩阵方程问题、约束最小二乘问题、矩阵特征值的数值解法以及强化学习理论与方法的研究工作。多年来，主持国家自然科学基金项目、军工重大专项、湖南省高校创新平台开放基金、长沙市科技发展公共平台建设重大专项等多项科研课题，先后在《SIAM J. Matrix Anal. Appl.》、《Numer. Linear Algebra Appl.》、《Linear Algebra Appl.》、《Numerical Algorithms》、《Acta Math. Sinca》、《J.Comput. Math.》和《计算数学》等国内外核心杂志上发表学术论文30余篇。
报告摘要：
大规模k-稀疏特征值问题来源于量子力学中多体哈密顿量的特征函数配置问题，其本质上为一个组合优化问题。尽管利用先进的稀疏矩阵技术和高效迭代方法，在高性能计算机上求解此类问题已取得显著进展，但目前能求解的问题规模仍受可用计算资源的限制。本报告从机器学习的角度尝试给出求解大规模k-稀疏特征值问题的强化学习算法，分析了算法的收敛性和复杂度，并通过数值例子验证了算法的有效性。
