4月22日，应我院邀请，西安交通大学严如强教授为我院师生作题为《物理启发深度学习：智能运维新范式》的学术报告。张俊娜副院长以及相关科研教师150余人聆听了本次报告。报告会由张俊娜副院长主持。
首先严如强教授介绍了传统数据驱动的深度学习方法在智能运维中展现出的强大潜力，但其“黑盒”特性限制了在高可靠性工业场景中的应用。然后严教授详细阐述了物理启发深度学习（PIDL）在提升模型可信性、鲁棒性和泛化能力方面展现的优越性能。最后严教授结合团队研究成果，系统介绍了PIDL的理论框架及其在智能运维中的典型应用，包括磨损状态评估、故障预测与健康管理（PHM）等。他强调，PIDL不仅能有效嵌入领域知识以增强模型可解释性，还能通过物理约束优化数据学习过程，显著提升工业场景下的决策可靠性。
此次报告为我院智能检测与运维研究提供了方法论指导，深化了师生对跨学科融合创新的理解，为我院在智能制造方向的科研攻关提供了重要参考。
专家介绍：
严如强，西安交通大学教授、博士生导师，高端装备研究院国际机械中心主任。2007年5月毕业于美国马萨诸塞大学阿默斯特分校（University of Massachusetts, Amherst）机械与工业工程系，获机械工程博士学位。长期从事重大装备智能运维的基础理论、方法体系与工程应用研究，主持国家重点研发计划项目、国家自然科学基金重点项目等多项国家级科研任务。
严如强教授是国际电气与电子工程师协会会士（IEEE Fellow）和美国机械工程师协会会士（ASME Fellow），享受国务院政府特殊津贴，入选国家百千万人才工程。曾获2023年国家技术发明二等奖、2020年陕西省技术发明一等奖、教育部自然科学一等奖，以及2019年IEEE仪器与测量学会科技奖（Technical Award）与2022年杰出服务奖（Distinguished Service Award）。牵头制定IEEE国际标准1项，在IEEE和ASME汇刊、《机械工程学报》等国内外重要期刊发表论文百余篇，出版英文专著4部。现任IEEE仪器与测量学会Distinguished Lecturer，《机械工程学报（英文版）》副主编，《仪器仪表学报》和《中国科学技术大学学报》编委。
（计算机与信息工程学院 李涛）