题 目：Deep Learning for black hole image generation and cosmological parameter estimation
报告人：王接词
时 间：2026年5月15号（星期五）上午10：30
地 点：LE523
邀请人：李 瑾
报告摘要：Deep learning has become a powerful approach for directly extracting information from observational and simulated data without prior assumptions, addressing complex challenges in gravitational theory and cosmology such as image generation, parameter estimation, and large-scale data analysis. This talk presents our group's recent advances: a Branch-Corrected Denoising Diffusion Model for black hole image generation, Hubble parameter reconstruction using our Ef‑KAN model, and enhanced cosmological parameter estimation with Long Short‑Term Memory Networks.
王接词，湖南师范大学教授、博士生导师。主要研究方向是引力理论和相对论性量子信息。在Physics Reports、Phys. Rev. Lett., Nat. Commun., ApJS/ApJL，Advanced Science等期刊发表论文100余篇，单篇被引600余次。主持了国家自然科学基金优秀青年科学基金项目、面上项目，湖南省杰出青年科学基金项目等科研项目。入选了湖南省“科技创新领军人才”、“湖湘青年英才”和 “121创新人才培养工程”等人才计划，获“国家优秀自费留学生”等奖励。担任湖南省物理学会副秘书长和《Sci. China-Phys. Mech. & Astron.》青年编委。