鄂維南

鄂維南，1963年9月生於江蘇省靖江市，數學家，中國科學院院士，北京大學、普林斯頓大學教授、北京大數據研究院首任院長，中國科學技術大學大數據學院首任院長。

1982年鄂維南畢業於中國科學技術大學數學系；1985年獲得中國科學院計算中心碩士學位；1989年獲得美國加州大學洛杉磯分校博士學位；1999年成為普林斯頓大學數學系和套用數學及計算數學研究所教授；2009年獲得美國工業與套用數學學會克來曼獎；2011年當選為中國科學院院士；2012年入選美國數學學會會士；2014年創辦大數據建模分析公司普林科技，並擔任首席科學家，同年就任北京大學元培學院院長；2015年出任北京大數據研究院首任院長；2018年出任中國科學技術大學大數據學院首任院長。

鄂維南主要從事計算數學、套用數學及其在力學、物理、化學和工程等領域中的套用等方面的研究。

基本介紹

• 中文名：鄂維南
• 外文名：Weinan E
• 國籍：中國
• 出生地：江蘇省靖江市
• 出生日期：1963年9月
• 職業：教育科研工作者
• 畢業院校：美國加州大學洛杉磯分校
• 主要成就：2011年當選為中國科學院院士

人物經歷

1982年，鄂維南畢業於中國科學技術大學數學系。

1985年，鄂維南從中國科學院計算中心畢業，獲得碩士學位。

1989年，鄂維南從美國加州大學洛杉磯分校畢業，獲得博士學位，師從套用數學家Bjorn Engquist教授。畢業後先後任職於普林斯頓高等研究院和紐約大學的庫朗研究所，分別擔任研究院和教授。

1999年，鄂維南成為普林斯頓大學數學系和套用數學及計算數學研究所教授。

2005年，鄂維南加盟北京國際數學研究中心。

2011年，鄂維南當選為中國科學院院士。

2012年11月1日，鄂維南入選美國數學學會會士。

2014年，鄂維南創辦大數據建模分析公司普林科技，並擔任首席科學家。同年就任北京大學元培學院院長。

2015年8月，北京大數據研究院成立，鄂維南出任院長。

2018年3月，中國科學技術大學大數據學院成立，鄂維南出任院長。

主要成就

科研成就

• 科研綜述
  

鄂維南與合作者一起把偏微分方程、隨機分析及動力系統的理論結合起來，用於研究隨機Burgers 方程，隨機passive scalar方程，隨機Navier-Stokes方程和Ginzburg-Landau方程等，證明了不變測度的存在性和唯一性，分析了穩定解的特性，並在此基礎上解決了Burgers湍流模型中一些存有爭議的問題；與合作者一起構造和建立了稀有事件的遷移路徑的理論框架，並發展了一種十分有效的數值方法—弦方法。此方法已成為研究物理、生物和化學領域中稀有事件的一個重要手段；與合作者研究了彈性理論的微觀基礎，從量子力學和分子動力學模型出發導出了巨觀層面下的非線性彈性理論，得到了經典的Cauchy-Born準則成立的穩定性條件；提出了設計與分析多物理模型的多尺度方法的一般框架。

人才培養

• 教育理念
  

鄂維南指出，中國大數據發展最大的優勢是市場大，最大的劣勢是缺乏人才。由於大數據產業的火熱，即使在中國國外，學術界跟企業界之間的人才競爭也非常激烈，在中國國內同樣如此。並且中國目前沒有非常好的培養大數據人才的機制。“本來中國教育界、科技界的人才就缺乏，而在大數據領域，統計、機械學習等相比而言更弱，所以這個問題需要引起重視。”

• 教學改革
  

鄂維南任職北京大學後，在數學科學學院推行了“套用數學拔尖人才培養計畫”（以下簡稱“拔尖計畫”）。“拔尖計畫”是一套套用數學本科生培養方案，該計畫為同學們設定一系列套用數學前沿課程、暑期學校、學術報告和討論班等，幫助同學們開拓自己的眼界，充分汲取套用數學各個方面的知識。“拔尖計畫”設立的初衷就是為了解決這樣的障礙，培養具有開闊視野的套用數學人才。“拔尖計畫”為同學設立了四門課程，即套用偏微分方程、隨機模擬方法、數據科學的數學基礎和數據中的算法。

榮譽表彰

時間	榮譽/表彰
1996年	首屆美國總統青年科學家與工程師獎
1999年	馮康科學計算獎
2003年	第五屆國際工業與套用數學協會科拉茲獎（Collatz Prize）
2009年	美國工業與套用數學學會克來曼獎（Kleinman Prize）
2011年	中國科學院院士
2014年	美國工業與套用數學學會卡門獎（Theodore von Karman Prize）
2018年12月6日	2019年度Peter Henrici獎（SIAM和ETH Zürich聯合授予）

社會任職

鄂維南擔任普林斯頓大學運籌和金融工程系兼職教授，中國科學技術大學客座教授。

人物評價

鄂維南教授在套用數學和科學計算的相關領域做出了突破性貢獻，特別是在非線性隨機（偏）微分方程，計算流體動力學，計算化學和機器學習等方面。“鄂維南教授的科學工作具有巨大的影響，使得許多長期存在的科學問題得到解決。他的標誌性成就包括隨機微分方程在數學和計算上得到的新穎結果，設計有效的算法計算多尺度和多物理學的問題，特別是那些在流體動力學和化學中出現的問題，最近他的一個開創性工作是將深度學習的技術套用到科學計算中。”（2019年Peter Henrici獎評）