谢炎
职务/职称
副研究员
研究方向
偏微分方程高性能计算与智能求解器
电子邮箱
xieyan@sribd.cn
教育背景
2021.09-2026.06 中国科学院数学与系统科学研究院，博士研究生（导师：张晨松研究员）
2024.12-2025.07 香港中文大学（深圳），访问学生
2017.09-2021.06 中国科学院大学，数学与应用数学，本科
2020.01-2020.04 新加坡国立大学，访问学生
主要成果/荣誉
1. 开发面向大规模PDE离散系统的并行与智能求解器，已在力学仿真、微流控芯片等场景验证，最大规模达5.86亿自由度。
2. MGCFNN神经多重网格求解器发表于ICLR 2025；高频Helmholtz方程大规模并行Schwarz方法工作获DD29接收。
3. 2025年度中国科学院数学与系统科学研究院院长奖学金优秀奖。
个人介绍
谢炎现任深圳市大数据研究院副研究员，主要从事偏微分方程高性能计算与智能求解器研究。研究重点包括大规模PDE离散系统的并行迭代方法、区域分解与多重网格方法，以及学习型求解器；研究问题涵盖高频Helmholtz/Maxwell方程、微流控Stokes流动和接触约束力学等，相关工作覆盖算法设计、并行实现和大规模应用验证。
代表性论文
1. Y. Xie, M. Lv, C.-S. Zhang. MGCFNN: A Neural MultiGrid Solver with Novel Fourier Neural Network for High Wave Number Helmholtz Equations. ICLR 2025.
2. Y. Xie, S. Gong, I. G. Graham, E. A. Spence, C.-S. Zhang. Massively parallel Schwarz methods for the high frequency Helmholtz equation. Accepted to DD29.
3. Y. Xie, M. Lv, C.-S. Zhang. MGCNN: a learnable multigrid solver for sparse linear systems from PDEs on structured grids. Preprint, arXiv:2312.11093.
