嵊州市浙江工业大学创新研究院举行“机器智能”剡溪学术论坛

面向海上风电机组群的数据智能驱动技术研究

浙江大学控制科学与工程学院教授，博士生导师。主要研究领域为：可再生能源与微电网，智能控制技术，工业人工智能等等。现为IEEE高级会员、ASME、APNNS会员，中国自动化学会控制理论专业委员会新能源学组秘书长，担任IEEE Transactions on Systems,Man,and Cybernetics:Systems、IEEE Transactions on Neural Networks and Learning Systems等国际知名期刊编委。曾获浙江省科技进步一等奖、自动化学会优博论文导师奖、多个国际会议论文类奖、浙江省万人领军人才等荣誉。

杨教授在报告中指出我国能源战略要求更多的可再生能源进入电网。然而，当前的风电技术水平在满足未来在经济性，安全性等方面的要求时还面临很大的挑战。为了实现风能利用过程中的智能化和健壮性，本研究通过人工智能领域的最新理论进展，尝试提出一些新方法用于提高风电接入和调控等方面的效率和可靠性，希望能对我国下一代能源网络的实施提供一些新的工具。同时，杨教授还鼓励在校生以创新为导向，多做多看多思，把研究带向更深、更持续的层面。

Search for the ground states of quantum Ising models for combinatorial optimization

浙江大学控制科学与工程学院研究员、博士生导师。博士毕业于中国科学院数学与系统科学研究院系统控制重点实验室，之后分别于澳大利亚国立大学、新南威尔士大学、香港理工大学从事博士后研究。主持多项国家及省部级科研项目。兼任IEEE SMC Society: Quantum Cybernetics专委会副主任。

潘老师向我们普及了量子伊辛模型，并在报告中指出量子计算有可能为解决组合优化问题提供更快的速度。然而目前的量子退火器受到物理约束的限制，严重破坏它们的性能。潘老师向我们介绍了一种基于Hamiltonian Monte Carlo（HMC）采样的量子启发退火方案，退火器通过FPGA实现，用于硬件加速，其在解决高维问题方面的卓越可扩展性。

同心管机器人正运动学快速求解与控制

浙江工业大学教授、博导。入选教育部“青年长江学者”，浙江省“钱江学者”特聘教授，浙江省151工程第一层次，浙江省杰出青年科学基金获得者。主要研究方向为网络化系统分析与设计、智能博弈与机器学习在决策问题中的应用等。现任 IEEE CSS CBE 编委，IEEE CSS不确定系统专委会委员，中国自动化学会控制理论专委会网络化控制学组秘书长，浙江省信号处理学会理事，浙江省仪器仪表学会理事，浙江省欧美同学会理事等职。

冯教授在报告中指出随着科技发展和医疗水平的进步，精密机器人在手术中的应用已成为医疗发展的必然趋势。其中同心管机器人(Concentric Tube Robots)作为一类特殊的连续体机器人，在微创手术方面具有很大的市场潜力。基于此，冯教授向我们介绍了一种基于机器人几何学的同心管机器人正运动学快速求解方法，用较小的精度损失换取正运动学计算效率的大幅提升，并基于非线性模型预测控制实现同心管机器人的高精度快速控制。