报告会分享（一）——高华健

报告主要内容

大牛报告会，听完后默默表示又赚到了，😀，感受最深的一句话，年轻人最关键的还是先做好自己分内的事情~

会议内容主要分两部分：1、断裂力学：介绍了过去100年断裂力学的发展历程，从Griffith提出表面能的概念，到解释大型船舶、波音客机整体断裂的具体原因，再到当今断裂力学在超材料、梯度材料、软材料、二维材料以及生物材料中的广泛应用，无不体现出断裂力学巨大的科学价值；2、机器学习：机器学习近些年很火，报告论述了力学与机器学习的关系。

附录：相关思考

1、对于力学工作者，很容易被机器学习的外表所蒙蔽，感觉这个东西很难；我个人的理解，机器学习有两种层次：（1）仅仅作为一个使用者：对于简单的问题（高老师报告中前两个实例），采用现有的框架，调相应的参数就能解决（2017年，采用MATLAB工具箱做过类似的工作，具体见前期推文<回归分析（三）——神经网络>）；（2）作为一个开发者：对于复杂问题（第三个实例），想要把力学的基本原理融入机器学习整个体系中，需要对算法改动比较大（可能需要要多方合作，才能更高效解决问题）~

通俗来说，神经网络一般包括：训练，测试两大阶段。训练，就是把训练数据（原料）和神经网络模型（AlexNet、RNN等）“倒进” 神经网络训练框架（炼丹炉）然后用 CPU或GPU（真火） “提炼出” 模型参数（仙丹）的过程。测试，就是把测试数据用训练好的模型（神经网络模型 + 模型参数）跑一跑看看结果如何。

针对机器学习，很多语言都有专门的软件包（具体如下网址），以Python语言为例，与机器学习相关库有：https://github.com/jobbole/awesome-machine-learning-cn

2. Griffith人物简介，他在断裂力学主要做了什么工作？

博士期间，把流体力学中表面张力的概念引入固体中，仔细想想当时的年龄，大佬无疑了，😅

在断裂力学主要做的工作：

3、在网上找到一个讲解比较通俗的资料，可供参考：

https://www.cnblogs.com/fengting/p/9412266.html