An Efficient Algorithm for Computational Protein Design Problem
组织者
丘成栋
演讲者
时间
2024年01月20日 21:00 至 21:30
地点
Online
摘要
This presentation introduces AQPPG (Adaptive Quadratic Penalty with Projection Gradient), an efficient algorithm designed to address the Computational Protein Design (CPD) problem. By establishing that the CPD objective depends linearly on each block of the decision variables, the study proves that any optimal solution to the relaxation problem can be effectively transformed into an optimal solution to the original CPD problem. The proposed AQPPG employs a quadratic penalty method to solve the relaxation problem and demonstrates superior computational efficiency, significantly outperforming the state-of-the-art solver Gurobi in terms of speed.
演讲者介绍
牛一帅，雁栖湖应用数学研究院（BIMSA）副教授，研究方向涵盖优化、科学计算、机器学习与计算机科学。在2023年10月加入BIMSA之前，他于2021年至2022年在香港理工大学担任研究员；2014年至2021年任职于上海交通大学，任副教授期间牵头组建“优化与交叉学科研究组”，并同时受聘于巴黎卓越工程师学院及数学科学学院。其早期学术经历包括：2013年至2014年在巴黎第六大学从事博士后研究；2010年至2012年分别在法国国家科学研究中心（CNRS）及斯坦福大学担任初级研究员。此外，他于2007年至2010年在法国鲁昂国立应用科学学院（INSA）任教，期间于2010年获数学-优化方向博士学位，并于2006年获得纯数学与应用数学双硕士学位及数学工程硕士学位。
他的研究覆盖应用数学的广泛领域，重点关注优化理论、机器学习、高性能计算及软件开发。其工作涉及多学科交叉应用，包括：机器学习、自然语言处理、自动驾驶、金融、图像处理、湍流燃烧、高分子科学、量子化学与计算以及等离子体物理。他在基础研究与实际应用方面均有建树：在基础研究方面，专注于大规模非凸非光滑问题的新算法设计；在实际应用方面，致力于利用高性能计算技术开发高效优化求解器与科学计算工具包。他已自主开发36余款软件，并在知名期刊与会议（如《SIAM优化杂志》《科学计算杂志》《燃烧与火焰》《应用数学与计算》）发表约40余篇论文。他曾作为负责人承担6项科研项目（包括国家自然科学基金重点项目），并参与5项国际联合研究项目。获得的荣誉包括：北京市海外高层次人才、北京市战略科学家核心团队成员、2017年上海市教学成果奖一等奖、2016年及2017年上海交通大学教学成果奖一等奖、以及17项国际大学生数学建模竞赛（MCM/ICM）奖项（其中2017年获INFORMS学会最佳论文奖）等。
他的研究覆盖应用数学的广泛领域，重点关注优化理论、机器学习、高性能计算及软件开发。其工作涉及多学科交叉应用，包括：机器学习、自然语言处理、自动驾驶、金融、图像处理、湍流燃烧、高分子科学、量子化学与计算以及等离子体物理。他在基础研究与实际应用方面均有建树：在基础研究方面，专注于大规模非凸非光滑问题的新算法设计；在实际应用方面，致力于利用高性能计算技术开发高效优化求解器与科学计算工具包。他已自主开发36余款软件，并在知名期刊与会议（如《SIAM优化杂志》《科学计算杂志》《燃烧与火焰》《应用数学与计算》）发表约40余篇论文。他曾作为负责人承担6项科研项目（包括国家自然科学基金重点项目），并参与5项国际联合研究项目。获得的荣誉包括：北京市海外高层次人才、北京市战略科学家核心团队成员、2017年上海市教学成果奖一等奖、2016年及2017年上海交通大学教学成果奖一等奖、以及17项国际大学生数学建模竞赛（MCM/ICM）奖项（其中2017年获INFORMS学会最佳论文奖）等。