学术论坛
数学与产业应用论坛圆满落幕
2023年2月2日，由深圳国际工业与应用数学中心主办，中国工业与应用数学学会（CSIAM）数学与产业专业委员会、深圳市大数据研究院、香港中文大学（深圳）协办的“数学与产业应用论坛”在香港中文大学（深圳）W201顺利召开。论坛邀请了数学及产业相关领域的专家学者进行演讲分享，多角度剖析了数学与产业应用的经验。会议采用现场、云端直播的形式进行，得到了广泛关注，反响热烈。现场出席人数超80人，深圳市大数据研究院视频号+B站线上直播累计观看超1000人次。
开幕式
中国科学院院士
深圳国际工业与应用数学中心主任 马志明
开幕式上，中国科学院院士、深圳国际工业与应用数学中心主任马志明院士致开幕辞。他表示，随着国家发展进入新的阶段，各行各业强调由创新驱动的发展范式，数学界面临着全新的机遇与挑战。如何通过发展数学助推国家关键产业的发展、推进数学界与产业界的合作、促进相关应用转化等都是值得探讨的重要问题。为此，中心联合几家协办单位举办这次论坛，探讨“数学的产业应用”这一重要方向。马志明院士向各位来宾介绍，中心的目标是打造世界一流的工业与应用数学研究机构，并向所有支持中心成长的个人与单位表达了衷心的感谢。
香港中文大学（深圳）副校长
深圳市大数据研究院院长 罗智泉院士
香港中文大学（深圳）副校长、深圳市大数据研究院院长罗智泉院士对本次数学与产业应用论坛的召开表示祝贺，他指出，此次论坛汇集了数学界的开拓者和领航人，分享及探讨他们关于应用数学发展与落地的经验，对推动数学的发展和应用有重要影响。
深圳国际工业与应用数学中心常务副主任
香港中文大学（深圳）理工学院校长讲座教授 王筱平教授
深圳国际工业与应用数学中心常务副主任、香港中文大学（深圳）理工学院校长讲座教授王筱平教授主持此次会议并致欢迎辞，他对此次与会的领导、嘉宾和学生等表达了热烈的欢迎。此外，王筱平教授还对袁亚湘院士、张平文院士以及各行各界自中心成立以来对中心的积极指导与大力帮助表示了感谢。
嘉宾分享
张平文院士
张平文院士的报告题目是“应用数学的落地研究”。张平文院士首先对于应用数学与基础数学的关系做了梳理，并提出了自己对于应用数学价值观的见解。他认为，应用数学的价值包括多个方面，包括理论的简洁和美、以数学为工具解决科学问题的科学意义、以及成果对经济和社会的贡献。他还强调，应用数学落地需要依赖有组织的科研，并需要通过体制机制创新来推动其实现。
对于CSIAM在推动应用数学落地方面的情况，张平文院士介绍了CSIAM在推动数学帮助企业家出题方面的一些活动。他指出，有的应用数学家会找企业要一个建立好的问题，这样的应用数学家还没有领悟应用数学的精髓，凝练合适的问题往往是最为困难的一步。因此，帮助企业出题极其重要。CSIAM举办的几次会议上发布了几个行业的“十大数学问题”，取得了很大影响，他希望数学家们多思考如何帮助企业家出好题。他还介绍了CSIAM新设置的强调落地的王选应用数学奖、CSIAM应用数学落地成果奖。另外，张平文院士还以华为和重庆市政府为例，介绍了CSAIM在建立数学界与企业、政府合作交流平台上所做的努力。
随后，张平文院士以北京大学为例，介绍了研究机构如何推动应用数学的发展与落地。张平文院士提出，应用数学发展的总体目标为服务国家战略，产出具有国际影响的重大成果，培养领军人才。通过介绍北京大学与重庆市政府在国产科学计算软件“北太天元”的发展与落地情况，张平文院士强调要搭建高校与企业间的学术创新链，实现多机构协同发力。
张平文院士还提出了自己的一些思考，如针对应用数学如何更有效地落地的问题，张平文院士希望未来有更加有效的体制机制，企业能够更多地推动数学研究项目；针对国际交流如何更有效地开展的问题，张平文院士希望研究人员面对国家对国际交流的紧迫需求，带动各方面各层次的交流与合作。
陆遥教授
陆遥教授的报告题目是”医学图像分析方法及其产业化应用”。陆遥教授的报告分为两个部分。在第一部分，他介绍了一个数学博士如何从医学门外汉开始，经过四年时间做出一个在企业可落地使用的算法。在博士后工作期间，他与GE公司在一个乳腺癌项目上开始合作，研究乳腺层析影像重建及其后处理方法。陆教授重点介绍了合作过程中的几个关键困难和趣事，以及如何克服困难。第一个困难是如何去除复杂的影像噪声，熟谙文献的他很快设计了一个去噪算法并成功消除了噪声，但医学专家却告诉他结果完全没用，因为算法把判断乳腺癌的重要影像特征也完全抹除了！这是应用数学家遇到的常见困难，如张平文院士报告时所说，大部分企业专家不会给出一个设置好的数学问题，数学家需要找到设置问题所需要的各种条件和要求。后来，陆教授利用乳腺影像内蕴的多尺度结构，提出基于多尺度结构的正则化方法克服了上述难点。另外，他还介绍了对于有限视野域、金属标记物等系统应用中遇到的问题，如何能够设计相应的数学算法来解决。克服了这三四个关键技术难题之后，他设计的算法终于在新一代乳腺层析成像系统中实现了高鲁棒性，用到了临床数据重建。
在第二部分，陆遥教授介绍了他创业过程中遇到的挑战。他介绍了医学影像分析产品的特点，包括小样本学习、数据模态缺失、高鲁棒性需求等。他考虑了利用乳腺腺体分布数学模型辅助结构扭曲检测，结合高泛化性算法以及在线小样本自适应性学习等技术手段来提升医学影像分析产品的性能。
最后，陆遥教授介绍了他创业公司的科研转化成果，企业研发和科研不同的思维模式，以及对数企合作过程中需要注意事项的思考。
姚韬教授
姚韬教授的报告题目是”面向大数据的机器学习与运筹优化：科学研究与工业应用”。他的报告探讨了三个大数据人工智能行业的重要问题以及解决方案。第一个问题是大数据对应的基于样本平均近似的随机优化问题。与以往的传统优化问题不同，大数据随机优化问题面临海量，高维，并且不确定性高的数据。他讨论了如何通过引入非凸稀疏惩罚模型和高效二阶算法克服传统稀疏模型有偏差的缺陷。第二个问题是面向高维数据的在线学习与决策，广泛存在于医疗、零售、在线商业、自动系统等领域。他讨论了Generalized Minimax Concave Penalty Bandit算法，该算法显著地改善了样本复杂度与计算效率，并在某公司的在线交易平台实现了落地应用。第三个问题是时序预测问题。基于深度学习算法，姚韬教授实现了预测执行效率高、结果可解释的时序预测技术，并与其他团队合作推出了时序预测自动系统。
姚韬教授还分享了对于未来产业发展方向的一些看法，包括企业的数字化转型策略，通用人工智能，科学与工业智能等。最后，基于自己的产学研经历，他分享了对数学如何推进企业创新的一些感受与想法。
圆桌讨论
此次圆桌论坛围绕“探索数学助推产业之路”的主题，从帮助企业更好地出题、培养应用数学人才的有效方法和体制机制等几个议题进行了深度探讨，并提出了可行的解决方案和发展建议，以下为圆桌论坛详情。
主持人：
香港中文大学（深圳） 孙若愚教授
圆桌嘉宾：
（以姓氏笔画为序）
中国科学院 马志明院士
华为理论研究部 张弓首席科学家
武汉大学 张平文院士
重庆师范大学 杨新民教授
香港中文大学（深圳） 罗智泉院士
中山大学 姚正安教授
中国科学院 袁亚湘院士
中国南方航空集团有限公司 黄文强副总信息师
议题1：如何帮助企业更好地出题？
马志明院士讨论了企业出题的主体。帮企业出题，光靠企业是不够的。比如大学生应用数学相关竞赛的题目中，很多是企业专家提出来的，还是和真正的数学问题有一定的差别，数学家不能很好的理解。企业不仅要和高校合作，还要和各大应数中心、天元基金会等机构合作，把不同方向的人请过来共同探讨如何把企业的问题变成揭榜挂帅问题、数学家可以理解和解决的问题。
袁亚湘院士表示，数学家帮企业出题时，不要局限于提炼成教科书上已有的问题。比如姚韬报告中提到的LASSO,在被提出之前是一个教科书上没有的问题。所以要像罗智泉院士那样，去了解企业遇到的到底是什么问题，而不仅仅是看教科书上有什么数学模型可以直接套用。要多去思考怎么去刻画真正的问题，敢于提出全新的问题。
杨新民教授提出了几个建议。第一，如科技部文件所提，要搭建数学家与企业家交流的平台，让各个学科的专家和数学家一起探讨，才能拨开应用问题的外衣、看到其数学问题的内核。第二，数学家要找对企业，企业要有对数学的兴趣；要找对人，企业方面对接的专家要懂一点数学，比如控制自动化方向的专家，这样讨论起来更容易。第三，数学家要先学习企业的处理方法，要设计的往往是3.0版本的方法，要把之前的1.0、2.0版本拿来一起学习，这样做3.0才能做好。要沉下去，把问题认识深刻。
姚正安教授分享了自己和企业合作的经验。二十多年前，他第一次去南航谈合作，但那个时候合作得不太好，没法落地。后来合作有所成效，一个重要原因是南航对接的企业专家本身是数学系本科出身，可以把航路规划问题建模成一个合适的数学问题。他指出，数学家在企业里面要有熟悉的、懂一些数学理论的专家，才能更好合作出题。
张弓首席科学家分享了两个观点。第一，数学界能否建立“数学描述语言“，让企业专家能更容易抽象工业界遇到的工程问题。第二，帮助企业出题需要解决的问题分为两类：一是Why，即理论突破问题，需要探寻某一系统性能的天花板及其存在原因；二是What，即算法问题，这类问题更复杂。他也强调了和张平文院士类似的观点，一方面要关注算法求解问题，另一方面需要关注算法的建模问题，这个问题非常重要，有机会产生更大的突破。华为黄大年茶思屋上已经开放了数百个ICT产业界遇到的难题，帮助把问题进行了一定的抽象，同时又具有一定的开放性，可以快速帮助数学家来进行解题，大大降低了数学家去学习领域知识的门槛。
议题2：什么样的体制机制更有效？
张平文院士强调，体制机制很重要，要让不同的人干不同的事；比如科研支撑人员对数企合作很重要。根据他的亲身经历，他认为数学家与企业合作的项目要谈成并不容易，100个企业可能谈成的只有10个，所以应该找个项目经理来帮助前期筛选项目。
袁亚湘院士指出，在合作模式上，可以利用工程院系作为合作纽带的一环，不局限于数学院系和企业的直接合作。从全球角度来看，数学家和企业的合作，往往是通过工程院系与企业合作，比如数学家和更了解企业问题的工业工程系、电子工程系等院系合作，然后再与企业对接。也有很多应用数学家在工程院系任职，然后与企业合作。
杨新民教授提出促进数企合作的一个范式，可以分为几步走。首先，引导数学家从办公室出来做落地的项目，这个步骤需要政府给予财政等支持；过一段时间，等数学家能解决企业问题了，企业愿意提供经费支持，形成良好的循环后，政府可以慢慢退出。
黄文强副总信息师针对张平文院士报告提到的体制机制的几个方面，分享了他的观察。第一，经费方面，为建设世界一流企业，研发投入强度是考核央企的指标之一，因此央企对研发非常重视，南航在研发方面投入也在持续增加。第二，关于评价，目前央企里有科创部，抓企业创新，和科研院所建立联系，确实遇到了如何激励院校投入合作的问题，一个原因是双方的目标不一致，院校希望发表论文，而企业希望算法或产品能快速上线解决生产问题。他也分享了对数企合作的建议。第一，要有耐心，合作可能需要5年或更长的时间。第二，高校的产业实验室很有用，比如航空类科研实验室对航空领域的企业和数学家合作有很大帮助，希望未来能建立更多这样的实验室。第三，高校组织的论坛很好，作为企业也很愿意参与讨论，希望院校学者及学生参加企业实践，给予理论指导。
议题3：如何培养应用数学人才？
袁亚湘院士提出几点建议。第一，要加强基础数学的训练。很多人以为做应用数学对数学知识要求不那么高，只要会做应用就行了。以前认为做应用数学主要需要统计、优化、计算，但根据现在产业界遇到的应用问题来看，微分方程、拓扑、几何等都可能用上，所以要加强基础数学训练。第二，要重视对物理知识的学习。虽然现在有很多生物、化学的应用问题，不过很多应用问题还是来自于物理方面，不要忽视对物理的学习。
马志明院士提出，科研机构与企业多联合培养人才。他以自己的课题组为例子，介绍了他和公司联合培养的一些优秀应用数学人才。他认为科研机构与企业联合培养人才的模式可以推广，这种模式利用双方各自的优势，可以让学生既有理论训练、又学会如何解决应用问题。
议题4：关于数学和产业界结合的其他建议
马志明院士提出几点建议。第一，需要长期投入。在应用数学落地、数学家解决实际应用层面的问题上，数学研究机构和企业的产学研合作不能追求一蹴而就，要有滴水石穿的态度，学会相互理解，相互欣赏，长期磨合。第二，积极求解卡脖子问题，呼吁各界研究人员要为国家分忧，面对卡脖子的问题大家一定要一起努力奋斗，迎难而上，贡献我们自己的努力。同时，马志明院士希望数学中心能与各行各界的专家们合作，就如何深化产学研一体化的工作进行充分的研究讨论。
张平文院士分享了数企合作的几个建议。第一，数学家有兴趣很重要，如果数学家本人没有兴趣、勉强去做应用，那么很难做出好的成果。他自己对数学落地就非常有兴趣。第二，长期深耕一个行业才能做好，不要频繁的更换研究方向与行业，不同的区域可以根据地域特征专注不同的行业。专注一个领域的一个好处是可以建立双方的长期信任，减少合作方中途退出的情况。第三，要解放思想，寻找新的赛道新的机会，不要只是想跟在别人的后面、模仿别人做的事情。
袁亚湘院士指出，第一，注重中国特色的应用问题。目前高校与研究所的研究算例大部分来源于国际数据，提倡大家理直气壮地解决中国问题，从中国的应用问题中提炼标准考题。第二，政府的支持很重要。深圳市大数据研究院就得到了市政府的大力支持。政府在政策制定、规则设置和奖励方面都有很大影响，因此做数学应用的人，要多和政府交流。
杨新民教授也讨论了和政府交流的问题。他指出，要重视对政府的宣传，给政府解释应用数学落地的重要性。在和重庆市政府领导的交流时，他引用了一个例子：某发动机的性能不过关，是因为一个方程没解好，这个例子给政府领导留下了很深的印象。
