新闻网讯（通讯员王杨文）6月12日，来自美国堪萨斯大学的数学系副教授涂学民在理学院五楼学术报告厅作了题为“Implicit sampling for data assimilation（隐式采样在数据同化中的应用）”的报告。理学院数学与统计系老师、研究生以及16级统计信计本科生参与了此次报告，报告由理学院副院长冯育强教授主持。

在工程、地理科学、天气预报和许多其他领域中，都存在着过滤和数据同化的应用，人们必须根据含有大量干扰数据的不确定的模型做出估计和预测。对于非线性问题，过滤这些干扰项可能非常昂贵，而涂学民教授在报告中提出了一种基于粒子的非线性过滤方案。这种算法基于隐式采样，是一种基于重要性采样的新采样技术。该采样策略产生聚焦于目标的高概率区域的粒子（样本）光束，并且聚焦使得即使状态维度较大，所需的粒子数也可以管理。对此，涂学民教授举了数个详细实例进行解释。

报告持续将近1个小时，报告结束后，涂学民教授还和在座师生进行了交流讨论，她解答了数位师生的疑惑。一番探讨之后，多数问题得到解决，至此，本次报告圆满结束。

报告会之前，涂教授听取了冯育强副院长关于理学院学科建设情况的介绍，对统计学的建设发展提出了有益建议。

涂学民，美国堪萨斯大学数学系副教授（终身教授），博士生导师。研究领域：大型科学计算、区域分解算法、数据同化、非线性粒子滤波、非线性多重网格算法。1997年本科毕业于北京师范大学；2002年于美国伍斯特工学院获硕士学位；2006年于美国纽约大学柯朗所获博士学位。2005年在阿贡国家实验室做Givens Associate；2006年在纽约大学柯朗所做博士后；2006年7月至2010年8月在美国加州大学伯克利分校和劳伦斯伯克利国家实验室做博士后；2010年于堪萨斯大学任助理教授；2015年获终身教授职位。