背景介绍：

毛志平教授2009年本科毕业于重庆大学，2015年博士毕业于厦门大学计算数学专业，2015年10月至2020年9月在美国布朗大学应用数学系从事博士后研究，2020年10月入职厦门大学数学科学学院，2020年获国家高层次青年人才项目。毛志平教授主要从事偏微分方程数值解，特别是谱方法研究以及机器学习方面的研究，其目前在SIREV, JCP，SISC，SINUM、CMAME等国际高水平杂志上发表论文30余篇，其中有9篇高被引文章（2篇为热点文章）。

研究领域：

毛志平教授主要从事微分方程数值解以及机器学习方面的研究，主要研究方向有复杂系统的高效高精度数值方法，特别是谱及谱元算法的设计与分析以及快速算法的设计；相场模型的建模、分析与高效模拟；在机器学习方面，主要研究融合数据与机理的神经网络/神经算子网络的算法设计、分析及其在复杂流体中的应用，以及深度学习优化算法的设计与分析。

教育背景：

2009.09-2015.06：博士（主修计算数学），厦门大学数学科学学院

2005.09-2009.06：学士（主修信息与计算科学），重庆大学数学与统计学院

工作经历：

2024.03-至今：宁波东方理工大学（暂名）研究员

2020.11-2024.02：厦门大学数学科学学院，教授

2020.10-2020.11：厦门大学数学科学学院，副教授

2015.10-2020.09：美国布朗大学应用数学系，博士后

学术经历：（选填）

2012.09-2013.09：美国普渡大学数学系，访问学者

2014.06-2014.09：美国西北太平洋国家实验室，访问学者

学术兼职（部分）：

2024-2026：《Theoretical and Applied Mechanics Letters (English edition)》编委

2024-2029：《Journal of Mathematical Study》编委

2017-2020：布朗大学应用数学系分数阶方程系列学术会议组织人；

2016-至今: J. Comput. Phys.、SIAM J. Sci. Comput. SIAM J. Numer. Anal.、IMA J. Numer. Anal.、J. Sci. Comput.、Adv. Comput. Math.、Comput. Methods Appl. Mech. Engrg. 等20余种杂志审稿人

获奖情况及荣誉：

2020：获国家海外高层次青年人才项目

代表性论著：

总体情况

共发表30余篇 SCI论文.

论著信息及引用数据

Google Scholar：

https://scholar.google.com/citations?user=XP0n5lEAAAAJ&hl=en

10篇代表作（*表示通讯作者，#表示同等贡献）

1. Z. Ma, Z. Mao*, and J. Shen*, Efficient and stable SAV-based methods for gradient flows arising from deep learning, Journal of Computational Physics, 2024, 505, 112911.

2. J. Lv, Q. Hong, X. Wang, Z. Mao* and Q. Sun, DeepStSNet: Reconstructing the quantum state-resolved thermochemical nonequilibrium flowfield using deep neural operator learning with scarce data, Journal of Computational Physics, 2023, 491, 112344.

3. AD Jagtap#, Z. Mao#, N. Adams and G.E. Karniadakis, Physics-informed neural networks for inverse problems in supersonic flows, Journal of Computational Physics, 2022, 466,111402.

4. Z. Mao, L. Lu, O. Marxen, T.A Zaki and G.E. Karniadakis, DeepM&Mnet for hypersonics: Predicting the coupled flow and finite-rate chemistry behind a normal shock using neural-network approximation of operators, Journal of Computational Physics, 2021, 447, 110698.

5. Z. Mao, A.D. Jagtap and G.E. Karniadakis, Physics-informed neural networks for high-speed flows, Computer Methods in Applied Mechanics and Engineering, 2020, 360, 112789.

6. N. Wang, Z. Mao* and G.E. Karniadakis. A spectral penalty method for two-sided fractional differential equations with general boundary conditions, SIAM Journal on Scientific Computing, 2019, 41(3), A1840-A1866.

7. Z. Mao and G.E. Karniadakis, A spectral method (of exponential convergence) for singular solutions of the diffusion equation with general two-sided fractional derivative, SIAM Journal on Numerical Analysis, 2018, 56(1), 24-49.

8. Z. Mao and J. Shen, Hermite spectral methods for fractional PDEs in unbounded domains, SIAM Journal on Scientific Computing, 2017, 39(5), A1928-A1950.

9. M Ainsworth, Z. Mao, Analysis and approximation of a fractional Cahn-Hilliard equation, SIAM Journal on Numerical Analysis, 2017, 55(4), 1689-1718.

10. Z. Mao and G.E. Karniadakis, Fractional {B}urgers equation with nonlinear non-locality: spectral vanishing viscosity and local discontinuous Galerkin methods, Journal of Computational Physics, 2017, 336, 143-163.