2026年5月12日至13日，新加坡国立大学、山东大学与bevictor伟德数学博士生联合论坛在新加坡国立大学数学系举行。我院由董玉超老师带队，9位博士生参加论坛并作学术报告，与三校师生分享研究成果、交流学术思考。

相聚狮城，共话数学前沿

本次论坛为期两天，设有2场大会报告和25场博士生学术报告，内容涵盖代数几何、凸几何、数论、动力系统、随机控制、科学计算与机器学习等多个方向，为不同研究背景的青年学子提供了展示成果、交流思路的平台。

来自三校的博士生围绕各自研究中的核心问题，介绍理论进展与方法探索。从基础数学中的抽象结构，到面向复杂系统的计算方法，多样的报告主题呈现了数学研究的丰富面貌，也为同学们了解相关领域提供了契机。

分享研究，展现青年风采

论坛期间，我院9位博士生依次作报告，研究内容涉及基础数学、计算数学及数学与人工智能的交叉研究。

田年涛：基本群概形的基变换

田年涛以“The Base Change of Fundamental Group Schemes”为题，介绍了基本群概形在域扩张下的基变换问题，讨论相关同构成立的等价条件，以及这些结果在不同类型基本群概形中的应用。

林成：低阶交截体算子的不动点与周期点

林成以“Fixed and periodic points of the intersection body operators of lower orders”为题，围绕低阶交截体算子的不动点与周期点展开报告，介绍其与原点对称球的刻画之间的联系，以及相关结果在球面Radon变换中的应用。

杨凯文：Minkowski第一不等式的定量稳定性

杨凯文以“Sharp quantitative stability for the Minkowski first inequality via a quadratic estimate for cone-volume measure”为题，介绍了锥体积测度的二次估计，并展示其在建立Minkowski第一不等式与Brunn–Minkowski不等式的尖锐定量稳定性结果中的应用。

李晟彦：格林函数学习与迭代求解加速

李晟彦以“Learning Singularity-Encoded Green's Functions with Application to Iterative Methods”为题，针对格林函数计算中的高维性与奇异性难点，介绍融合奇异性先验信息的神经网络学习方法，以及该方法在预条件构造和迭代求解加速中的应用。

郭佳铭：基于概率流形分解的非线性模型降阶

郭佳铭以“Nonlinear Model Reduction by Probabilistic Manifold Decomposition”为题，介绍概率流形分解方法，通过将高维系统嵌入低维概率流形，构建非侵入式降阶模型，并讨论该方法的动力学预测能力与收敛性质。

潘新宇：物理与数据融合的降阶建模

潘新宇以“Physics-Data Combined Neural Network for Reduced-Order Models”为题，介绍物理与数据融合驱动的降阶建模方法，重点讨论区域分解与物理约束在神经网络模型中的融入，以及相关方法在参数化偏微分方程和不可压缩流动问题中的应用。

王晏：基于能量的扩散生成方法

王晏以“Energy-based Diffusion Generator”为题，面向高维复杂能量函数对应的Boltzmann分布采样问题，介绍结合变分自编码器与扩散模型思想的生成方法，探索复杂目标分布的高效采样。

李亚坤：基于非局部相似性的彩色图像恢复

李亚坤以“Color image restoration based on nonlocal saturation-value similarity”为题，介绍利用饱和度与明度相似性构建的非局部变分模型，通过更充分地刻画彩色图像中的颜色信息，改进图像恢复效果，并讨论相关算法及其收敛性。

赵晟博：黎曼ζ函数的联合极值问题

赵晟博以“On some problems related to joint extreme values of the Riemann zeta function”为题，介绍黎曼ζ函数、Dirichlet L函数及其对数导数的联合极值问题，讨论极值出现位置之间的关联，以及共振方法在相关研究中的应用。

以学术为桥，在交流中成长

此次论坛将不同研究方向的青年学子汇聚在一起，为同学们提供了集中展示阶段性研究成果、了解同行研究进展的机会。如何清晰地阐述问题、说明方法的关键之处，并向不同学科背景的听众传达研究价值，也是参与学术报告的重要收获。

从校园出发，在更广阔的学术平台上分享与学习，这次交流为我院博士生的科研经历增添了新的内容。期待同学们将交流中的思考融入今后的研究，在持续探索中深化问题认识，在开放交流中积累学术成长的力量。