主辦單位：北京航空航天大學(xué)集成電路科學(xué)與工程學(xué)院
主講人：米歇爾·塔拉格蘭（Michel Talagrand）
講座時(shí)間：10月20日（周日）15:30-17:00
講座地點(diǎn)：學(xué)院路校區(qū)學(xué)術(shù)交流廳
參與方式：
本次北航大講堂面向全校學(xué)生，可算做一次德育類(lèi)博雅，不同學(xué)院的學(xué)生報(bào)名方式有所不同。
數(shù)學(xué)科學(xué)學(xué)院學(xué)生、沈元學(xué)院華羅庚班學(xué)生、集成電路科學(xué)與工程學(xué)院學(xué)生、“微電子卓越人才試驗(yàn)班”學(xué)生：掃描下方對(duì)應(yīng)二維碼，成功提交問(wèn)卷即為報(bào)名成功。
數(shù)學(xué)科學(xué)學(xué)院學(xué)生、沈元學(xué)院華羅庚班學(xué)生報(bào)名二維碼
集成電路科學(xué)與工程學(xué)院學(xué)生、“微電子卓越人才試驗(yàn)班”學(xué)生報(bào)名二維碼
其他學(xué)院學(xué)生：登錄博雅選課系統(tǒng)，成功選擇課程《高維空間之謎題》即為報(bào)名成功。
講座提要：
Spaces of high dimension play a central role in mathematics and its applications. We explore some aspects which completely contradict our intuition. We explore the structure of large convex sets, and we state a fundamental problem which remains a complete mystery.
高維空間在數(shù)學(xué)及諸多應(yīng)用領(lǐng)域中扮演著重要角色。本次報(bào)告將探討一些與人們直觀(guān)感覺(jué)相互矛盾的高維空間概念。我們旨在通過(guò)探索大型凸集的結(jié)構(gòu)，討論一個(gè)仍然未解的基礎(chǔ)謎題。
專(zhuān)家簡(jiǎn)介：
MT has made numerous contributions to probability theory and its applications, for which he received the Abel prize in 2024.
米歇爾·塔拉格蘭（Michel Talagrand，簡(jiǎn)稱(chēng)MT）院士1952年生于法國(guó)，1985-2017擔(dān)任法國(guó)巴黎國(guó)家科學(xué)研究中心的研究主任，長(zhǎng)期研究高維現(xiàn)象的幾何特性。他在概率論、泛函分析，以及數(shù)學(xué)物理和統(tǒng)計(jì)中的應(yīng)用做出了諸多開(kāi)創(chuàng)性貢獻(xiàn)，于2024年獲得阿貝爾獎(jiǎng)。
專(zhuān)家獲獎(jiǎng)引文節(jié)選：
The development of probability theory was originally motivated by problems that arose in the context of gambling or assessing risks. It has now become apparent that a thorough understanding of random phenomena is essential in today's world. For example, random algorithms underpin our weather forecast and large language models. In our quest for miniaturisation, we must consider effects like the random nature of impurities in crystals, thermal fluctuations in electric circuits, and decoherence of quantum computers. Talagrand has tackled many fundamental questions arising at the core of our mathematical description of such phenomena.
概率論源于賭博和風(fēng)險(xiǎn)評(píng)估中的隨機(jī)現(xiàn)象。時(shí)至今日，對(duì)隨機(jī)現(xiàn)象的透徹理解至關(guān)重要，隨機(jī)數(shù)學(xué)算法已成為天氣預(yù)報(bào)和大語(yǔ)言模型等宏觀(guān)工具的基礎(chǔ)。在微觀(guān)層面，隨機(jī)現(xiàn)象常見(jiàn)于晶體中的雜質(zhì)分布、電路中的熱波動(dòng)及量子計(jì)算的退相干效應(yīng)。塔拉格蘭院士已解決了上述隨機(jī)現(xiàn)象數(shù)學(xué)建模的諸多核心基礎(chǔ)問(wèn)題。
編輯：張嘉鑫
