学术报告

　　汪主洪，博士就读于重庆大学土木工程专业，依托重庆大学刘汉龙院士团队开展科研工作。主要研究方向为智能数字图像处理（DIC/DVC）算法、智能计算力学及机器学习等，重点围绕物理驱动深度学习的材料全场变形智能反演方法开展研究。获得博士研究生国家奖学金、重庆大学科技学术创新先进个人、贵州省优秀毕业生等荣誉。主持或参与国家自然科学基金重大科研仪器研制项目、重庆市杰出青年科学基金及多项重点工程科研项目，发表SCI论文11篇，其中以第一或通讯作者发表JCR一区SCI论文8篇，包括Mechanical Systems and Signal Processing、Computers and Geotechnics、Rock Mechanics and Rock Engineering等国际权威期刊；授权发明专利2项，软件著作权3项；担任Optics and Lasers in Engineering、Geoenergy Science and Engineering​及Computer and Electronics in Agriculture等期刊审稿人。

　　材料在复杂环境作用下的变形与损伤演化过程具有显著的多尺度、非均匀及非线性特征，实现其全场位移与应变的高精度、高效率测量，是揭示材料力学行为与保障重大工程安全的重要基础。本报告围绕物理驱动深度学习的全场变形智能计算方法及应用展开，重点介绍融合数据驱动与物理约束的二维、三维数字图像处理新方法。通过构建多尺度傅里叶特征映射神经网络架构，将图像灰度一致性、几何相容性等物理约束融入深度学习模型，实现材料二维表面及三维内部位移、应变场的智能预测。研究成果为复杂材料变形与损伤演化分析提供了新的智能计算方法，并为人工智能与实验力学、工程力学的深度融合提供了新的研究思路。