#第三届人工智能地震学研讨会在青岛成功举办# 2022年8月5-8日,由中国地震学会青工委和中国地球物理学会青工委等学术组织联合主办,中国地震局地球物理研究所、海底科学与探测技术教育部重点实验室、中国海洋大学、中国石油大学(华东)、中国地震台网中心等单位联合承办的第三届人工智能地震学研讨会在青岛成功举办。来自中国地震局系统、北京大学、中国科学技术大学、中国石油大学、南方科技大学、洛斯阿拉莫斯国家实验室(LANL)、佐治亚理工学院(GIT)等机构的专家学者参会,累计7000多人次在线参与交流。
开幕式由中国地震局科技与国际合作司周龙泉处长、海底科学与探测技术教育部重点实验室李三忠主任和中国地球物理学会青工委宗兆云秘书长致欢迎词。本次会议共邀请35位专家学者到会交流,报告内容涵盖人工智能在地震检测、预警、分类、成像、非天然地震识别、分布式光纤和地球物理勘探等多个领域。与会人员围绕地震行业发展需求、发展趋势、数据共享、算法评测和培训,以及学科交叉等方面开展了深入交流。会议还组织专家对人工智能地震学的未来发展方向进行了深入研讨,并拟定了“人工智能地震学发展战略报告”提纲。
本次会议主题聚焦、规模大、影响广,已逐渐成为国内外学者展示人工智能地震学最新成果的交流平台,对促进人相关领域的发展和青年人才的成长起到了积极推动作用;大会持续开展的AI+地震学前沿学科探索,对新时期地震减灾科技发展和现代化高质量发展有重要推动作用。
会议期间,中国地震局科技与国际合作司周龙泉处长一行赴中国海洋大学海底科学与探测技术教育部重点实验室访问,与李三忠主任等就野外观测站申报和海洋科技合作等方面进行了深入交流和讨论。
开幕式由中国地震局科技与国际合作司周龙泉处长、海底科学与探测技术教育部重点实验室李三忠主任和中国地球物理学会青工委宗兆云秘书长致欢迎词。本次会议共邀请35位专家学者到会交流,报告内容涵盖人工智能在地震检测、预警、分类、成像、非天然地震识别、分布式光纤和地球物理勘探等多个领域。与会人员围绕地震行业发展需求、发展趋势、数据共享、算法评测和培训,以及学科交叉等方面开展了深入交流。会议还组织专家对人工智能地震学的未来发展方向进行了深入研讨,并拟定了“人工智能地震学发展战略报告”提纲。
本次会议主题聚焦、规模大、影响广,已逐渐成为国内外学者展示人工智能地震学最新成果的交流平台,对促进人相关领域的发展和青年人才的成长起到了积极推动作用;大会持续开展的AI+地震学前沿学科探索,对新时期地震减灾科技发展和现代化高质量发展有重要推动作用。
会议期间,中国地震局科技与国际合作司周龙泉处长一行赴中国海洋大学海底科学与探测技术教育部重点实验室访问,与李三忠主任等就野外观测站申报和海洋科技合作等方面进行了深入交流和讨论。
#天文酷图#
[2000年07月02日]
【 伽玛射线爆发:一个新的里程碑 】
伽玛射线爆发(GRBs)是在很偶然的状态下被发现的。在30年前的今天,人造卫星记录了第一个伽玛射线爆发。在上图的数据中,可以看到人造卫星上伽玛射线侦测器的记录突然增加,也就是宇宙间突然出现了一个伽玛射线闪光。其实,测得这个以及其他的伽玛射线爆发的Vela人造卫星,它的原始任务是用来监控地球上的核子试爆。用卫星上的侦测器,可以测得核子试爆所产生的X-光与伽玛射线。然而,如上图所示,Vela人造卫星所测得的伽玛射线并不是来自于地球的核子试爆,而是来自宇宙深处。目前,已经知道这个所谓的"宇宙伽玛射线爆发现象"是源自于遥远星系的超强爆炸。可是,究竟在什么样的情形之下才会产生这样强的伽玛射线爆发呢?
信息来自:苏汉宗(成功大学 物理学系)
提供: R. Klebesadel, I. Strong & R. Olson (LANL), Vela Project
[2000年07月02日]
【 伽玛射线爆发:一个新的里程碑 】
伽玛射线爆发(GRBs)是在很偶然的状态下被发现的。在30年前的今天,人造卫星记录了第一个伽玛射线爆发。在上图的数据中,可以看到人造卫星上伽玛射线侦测器的记录突然增加,也就是宇宙间突然出现了一个伽玛射线闪光。其实,测得这个以及其他的伽玛射线爆发的Vela人造卫星,它的原始任务是用来监控地球上的核子试爆。用卫星上的侦测器,可以测得核子试爆所产生的X-光与伽玛射线。然而,如上图所示,Vela人造卫星所测得的伽玛射线并不是来自于地球的核子试爆,而是来自宇宙深处。目前,已经知道这个所谓的"宇宙伽玛射线爆发现象"是源自于遥远星系的超强爆炸。可是,究竟在什么样的情形之下才会产生这样强的伽玛射线爆发呢?
信息来自:苏汉宗(成功大学 物理学系)
提供: R. Klebesadel, I. Strong & R. Olson (LANL), Vela Project
【新定理证明QCNN不存在“梯度消失”问题】此前有观点认为,量子神经网络存在一个瓶颈,即“贫瘠高原”(Barren Plateau)现象。当量子比特数目比较大时,目标函数会趋于平坦,导致梯度难以被估计,以至于QCNN无法进行有效训练。此前有不少研究人员分析如何减轻这种现象带来的影响,但缺乏一个理论性质的证明。来自LANL的科学家们提出了一种新方法,用于分析量子神经网络的大小,同时证明了这类网络的可训练性。论文地址:https://t.cn/A6MjiEgY
✋热门推荐