头像
庞国飞
副研究员
数学学院
计算数学系
电话：
邮箱：
guofei_pang@seu.edu.cn
地址：
新综合楼529-1
邮编：
  • 基本信息
  • 研究成果
  • 项目与荣誉
  • 社会兼职
  • 一、个人简介： 庞国飞，中共党员，东南大学数学学院副研究员，硕士生导师，院长助理。研究课题涉及计算数学与计算力学，研究方向为统计机器学习应用及其数学理论、科学计算中的机器学习方法、智能流体等。目前已在SIAM Journal on Scientific Computing、Journal of Computational Physics、Nature Machine Intelligencehe 和Physics of Fluids等计算数学/力学和机器学习领域的期刊上发表论文30余篇，Google总引用6000余次。主持完成国家自然基金青年基金一项，教育部重点实验室开放基金项目两项，GF项目1项，参与国家面上一项、江苏省面上项目一项。 讲授面上本科生课程《数学建模与数学实验》、数学学院本科生专业课《数据结构与算法》《机器学习》。获评东南大学2024“全校最受欢迎老师（提名）”、东南大学2025届最受毕业生欢迎教师、东南大学优秀班主任标兵等称号，获得江苏省高校第十一届数学基础课教师授课竞赛一等奖。
    二、工作经历：（1）2021-03 至 今, 东南大学, 数学学院, 副研究员（2）2018-01 至 2020-09, 布朗大学，应用数学系， 博士后（3）2015-12 至 2017-12, 北京计算科学研究中心，算法部， 博士后
    三、教育经历：(1) 2010-09 至 2015-11, 河海大学, 工程力学, 博士(2) 2006-09 至 2010-06, 河海大学, 信息与计算科学, 学士


  • 期刊论文(代表性论文）

    1. Peng Fan, Guofei Pang*,  （2025）Convolutional-neural-operator-based transfer learning for solving PDEs, arxiv preprint: 2512.17969 

    2. Rui Du, Tongtong Zhou, Guofei Pang* (2025), Forward and inverse problem solvers for Reynolds-averaged Navier-Stokes equations with fractional Laplacian, Engineering Analsis with Boundary Elements, 175, 106193.

    3. Ruizhi Zhai, Deshun Yin, Guofei Pang* (2023). A deep learning framework for solving forward and inverse problems of power-law fluids. Physics of Fluids, 35(9).

    4. Lu Lu, Pengzhan Jin, Guofei Pang, Zhongqiang Zhang, George Karnaidakis*. (2021) Learning nonlinear operators via DeepONet based on the universal approximation theorem of operators, Nature Machine Intelligence, 3(3),218-229.

    5. Guofei Pang, Marta D'Elia*, Michael Parks, and George E. Karniadakis. "nPINNs: nonlocal Physics-Informed Neural Networks for a parametrized nonlocal universal Laplacian operator. Algorithms and Applications." Journal of Computational Physics 422(2020):109760.

    6. Guofei Pang, Lu Lu, and George Em Karniadakis*. "fpinns: Fractional physics-informed neural networks." SIAM Journal on Scientific Computing 41.4 (2019): A2603-A2626.

    7. Guofei Pang, Liu Yang, and George Em Karniadakis*. "Neural-net-induced Gaussian process regression for function approximation and PDE solution." Journal of Computational Physics 384 (2019): 270-288.

    8. Guofei Pang, Paris Perdikaris, Wei Cai, and George Em Karniadakis. "Discovering variable fractional orders of advection–dispersion equations from field data using multi-fidelity Bayesian optimization." Journal of Computational Physics 348 (2017): 694-714.



  • 科研项目

    1.主持国家自然基金青年基金：分数阶导数对流-弥散方程参数识别的多重精度高斯过程回归算法（11701025），20万，2018/01 - 2020/12。

    2.主持东南大学学科攀升计划专项经费——理科专项，40万

    3.主持教育部重点实验室开放研究基金面上项目两项（2022， 2024），9万

    4.主持GF横向项目， 92万， 2024-2025

    5.参与国家自然基金面上项目(2025)——基于直接数据驱动的多智能体系统协同控制理论及应用研究（排2）

    6.参与省部级纵向项目(2025)——机理-数据融合驱动的拓扑优化设计的可计算建模和保结构计算（排3）


    教学项目

    1. AI赋能的“三螺旋协同”下问题驱动式教学重构与评估系统(江苏省高等教育教学改革研究课题，排8）


    荣誉

    1. 2025东南大学优秀班主任标兵（全校10人）

    2. 江苏省高校第十一届数学基础课教师授课竞赛一等奖（2025年，全省16人）

    3. 第五届江苏省教师教学创新大赛三等奖（排2）

    4. 东南大学2025届最受毕业生欢迎教师（全校28人）

    5. 东南大学2024“全校最受欢迎老师提名”（全校20人）

    6. 东南大学数学学院“美路交通”奖教金（2024）

    7. 东南大学数学学院优秀共产党员（2024）

    8. 东南大学授课竞赛三等奖（2022-2023）

    9. 多次指导队伍获得全国大学生数学建模竞赛国家一等奖和二等奖，美赛F奖

    10. 两次指导国家级SRTP队伍

     

    邀请报告

    1.求解非线性PDE正反问题的核方法, 2023江苏省计算数学学术年会, 盐城, 2023-5-26至2023-5-28

    2.Neural-network enhanced Gaussian processes for solving nonlinear Stefan problems, 2023年长三角力学人工智能研讨会, 苏州, 2023-12-22至2023-12-24 

    3. 2018年4月, SIAM UQ18  mini-symposium “Stochastic modeling and methods in scientific computing”, Discovering Variable Fractional Orders of Advection Dispersion Equations from Field Data using Multi-fidelity Bayesian Optimization, Garden Grove, CA, USA.

    4.2019年2月, “Clements seminar at Southern Methodist University”, Physics-informed neural networks: A deep learning framework for solving forward and inverse problems of PDEs and fractional PDEs, Dallas, TX, USA.

    5. 2019年5月,“ Physics in Machine Learning Workshop”, Physics informed Machine Learning, UC Bekerley, CA, USA.

    6. 2019年11月,  The 2nd Annual Meeting of SIAM Texas-Louisiana Section, mini-symposium “Machine Learning for Solving PDEs and Inverse Problems”, Physics-informed neural networks for diffusion problems with unified nonlocal operator, Dallas, TX, USA

     

    教学经历

      2020年1月-2020年5月， 布朗大学本科课程， Introduction to numerical solution of differential equations, 布朗大学， 美国

      2017年6月， 随机计算和不确定性量化培训班， 授课，  北京计算科学研究中心， 中国

     

     

     


  • 1. 中国工业与应用数学学会会员

    2. 江苏省高等学校数学教学研究会会员

    3. 东南大学数学建模教练组成员

    4. 多个国际刊物审稿人