统计在工业大数据中的应用
季春霖
深圳光启高等理工研究院
摘要
美国提出的材料基因计划促进了美国制造业的复兴，保持了美国的全球竞争力，与此同时，我国也提出了自己的材料基因计划，即利用计算与实验，数据库融合相协同的创新理念，实现材料的低耗快速研发和产业化的创新发展。
超材料可以超越自然界材料的物理极限，曾被美国科学杂志评为十大科技突破之一，但多样的结构对设计造成了极大的困难。在材料信息的大背景下，光启利用统计的方法针对超材料设计做出了开创性工作。本报告介绍了光启利用统计建模方法，比如元建模技术，等效电路模型，高斯回归过程等方式进行超材料设计，极大缩短了设计时间，提高了效率。同时，光启还利用统计的方法对装备进行了验证，真正实现了工业化应用。
另外，统计在机器学习中也有着广泛的应用，比如深度学习算法优化，复杂特征学习，复杂序列学习，复杂决策系统等。
DOI: 10.12110/firstfmge.20171121.416
博士，深圳光启高等理工研究院联合创始人，副院长及首席科学家。
长期从事贝叶斯统计学和科学计算的研究，并将其应用于材料工程、信息工程、计算生物学等多个领域。目前结合了人工智能领域新崛起的深度学习技术，开展了基于贝叶斯统计学与大数据技术的机器学习研究，致力于提高深度学习算法开发效率和效能。
主持承担了包括国家自然科学基金在内的各项国家级，省级及市级科研项目，其中包括了超材料等效机理，超材料设计方法，机器人，人工智能等多个领域。完成译著1部，发表了学术论文60余篇，其中一作science文章目前引用近千次，累计申报专利770余项，已授权470余项，相关成果以应用于多项型号项目。
曾被评为国家级高层次人才，广东省自然科学基金杰出青年，深圳市高层次专业人才，深圳市海外高层次人才，为第十三届“广东省青年五四奖章”集体奖核心成员，享受深圳市人民政府特殊津贴。