背景介绍

研究领域

科学机器学习

知识嵌入：通过融合领域知识构建具有物理常识的AI模型，提升模型精度与鲁棒性，降低数据需求，形成可落地的工业AI模型。 知识发现：通过机器学习算法，从观测和实验数据中自动学习科学规律，提炼控制方程，助力与启发科学研究。

智慧能源

能源系统研究、电力调度、电力负荷预测、可再生能源功率预测等。

教育背景

2015.09-2020.01：博士学位   北京大学   工学院，力学（能源与资源工程系） 

2011.09-2015.07：学士学位   清华大学   机械工程学院，能源与动力工程系 

2012.05-2015.06：双学位      北京大学   国家发展研究院，经济学

工作经历

2020.03-2021.12：鹏城实验室，前沿学术中心，智慧能源院士工作室，博士后

2018.07-2020.02：北京瑞莱智慧科技有限公司（RealAI），联合创始人

学术兼职（部分）

2022-至今：国际学术期刊《Advances in Applied Energy》 青年编委

获奖情况及荣誉

甬江人才工程青年创新人才 2021年Advances in Applied Energy高被引论文奖

代表性论著

研究成果发表在Advances in Applied Energy, Geophysical Research Letters, Advanced Science, Journal of Computational Physics等国际顶尖学术期刊上。

Google Scholar：https://scholar.google.com/citations?hl=zh-CN&user=nOMt_KkAAAAJ

10篇代表作

● Chen, Y., Luo, Y., Liu, Q., Xu, H., & Zhang, D.* (2022). Symbolic genetic algorithm for discovering open-form partial differential equations (SGA-PDE), Physical Review Research 4, 023174.

● Xu, H., Chen, Y.*, & Zhang, D.* (2022). Semantic interpretation for convolutional neural networks: What makes a cat a cat? Advanced Science. 2204723.

● Du, M., Chen, Y.*, & Zhang, D.* (2022). AutoKE: An automatic knowledge embedding framework for scientific machine learning. IEEE Transactions on Artificial Intelligence. 10.1109/TAI.2022.3209167.

● Chen, Y., Huang, D., Zhang, D.*, Zeng, J., Wang, N., Zhang, H., & Yan, J. (2021). Theory-guided hard constraint projection (HCP): a knowledge-based data-driven scientific machine learning method, Journal of Computational Physics, 445, 110624.

● Chen, Y., & Zhang, D.* (2021). Theory guided deep-learning for load forecasting (TgDLF) via ensemble long short-term memory, Advances in Applied Energy, 1, 1-15.

● Chen, Y., & Zhang, D.* (2020). Well log generation via ensemble long short-term memory (EnLSTM) network, Geophysical Research Letters, 47(23), 1-9.

● Chen, Y., & Zhang, D.* (2020). Physics constrained deep learning of geomechanical logs. IEEE Transactions on Geoscience and Remote Sensing, 58(8), 5932-5943.

● Chen, Y., Chang, H., Meng, J., & Zhang, D.* (2019). Ensemble Neural Networks (ENN): A gradient-free stochastic method. Neural Networks, 110, 170-185.

● Zhang, D., Chen, Y.*, & Meng, J. (2018). Synthetic well logs generation via Recurrent Neural Networks. Petroleum Exploration and Development, 45(4), 629-639.

● Chen, Y., Jiang, S., Zhang, D.*, & Liu, C. (2017). An adsorbed gas estimation model for shale gas reservoirs via statistical learning. Applied Energy, 197, 327-341.

专利：

● 基于空洞卷积网络的金属零件疲劳监测方法及系统. ZL201911244662.2. ● 基于变分自编码器的监控量不确定性预测方法及系统. ZL201911244603.5. ● 基于时间序列的异常数据检测方法、装置、介质和设备. ZL201911285902.3. ● 基于时间序列的数据预测及补全方法、装置、介质和设备. ZL201911284312.9. ● 一种传感器数据的异常处理方法、装置、电子设备及介质. ZL202110445193.1. ● 一种数据处理方法、模型训练方法、装置及电子设备. ZL202110462699.3. ● 基于空间位置的数据确定方法、装置及电子设备. ZL202110432992.5.

● 传感数据确定方法、装置、电子设备及可读存储介质. ZL202110421270.X.

● 工艺参数调整模型的训练方法、工艺参数调整方法及装置. ZL202110344365.6.

● 一种工艺参数的调节策略决策模型的确定方法及装置. ZL202110497482.6.

● 一种工艺参数调节动作决策模型的优化方法以及装置. ZL202110374794.8.

● 摆动叶片式涡轮机. ZL200920175229.3. ● 多气筒摆动叶片式涡轮波力发电装置. ZL200920175228.9. 课题：

● 机器学习能源预测模型的知识嵌入与知识发现，国家自然科学基金青年科学基金（F06信息科学人工智能方向），2022-2024

● 物理约束机器学习及其在油气领域的应用，中国博士后科学基金面上资助，2020-2021