丁陈森_北京大学力学与工程科学学院

诚聘英才院友会安全工作图书馆教工之家教育捐赠教育基地

您所在的位置：首页教职员工师资队伍 D

D

丁陈森

助理教授，研究员，博士生导师

电子邮箱：chensen_ding@pku.edu.cn

研究方向与代表成果：

聚焦于数智（数值与智能融合）计算力学理论、方法与应用：包括数值仿真算法和工业软件开发，数据驱动/人工智能算法、软件和应用，装备不确定性和可靠性分析优化，结构/材料一体化分析优化和智造。

创新提出了强可解释的小样本大数据智能分析理论与算法，突破了现有智能模型在可解释性不足、对海量数据与算力高度依赖、难以支撑重大工程实践等瓶颈问题，实现了在仅依赖小规模样本、低算力与低能耗条件下的实时大规模训练与高效推理；创新构建了几何与工况耦合变化的强泛化小样本智能设计框架，突破了传统设计流程中设计空间维度灾难与模型泛化性受限等关键技术难题。解决多个国家领军重大工程难题，获高度认可及应用。为人工智能在重大工程中的可信落地与高效赋能提供了理论支撑与实践路径。

主持项目：

主持科技委人才引进项目、教育部人才引进项目、英国全球人才项目，以及基金委面上项目、科技委基础加强项目和重点项目子课题，科技部重点研发子课题等多个项目。

招聘信息：

每年招收1位博士和多位硕士。欢迎具有力学、机械/土木、计算机、应用数学或其他相关领域的学历和科研背景，热爱科研、勤奋踏实，有强烈自驱力和主观能动性的同学申报。常年招聘博士后、联合培养研究生和本科生进行科研活动，欢迎有兴趣者邮件联系。

工作经历：

2025.6 – 今北京大学，力学与工程科学学院科学计算与智能工程系，助理教授、研究员、博导，计算力学和智能工程课题组长、国家级重点实验室结构仿真负责人

2022 – 2025.6 北京大学，工学院力学与工程科学系，助理教授、研究员、博导，计算力学和智能工程课题组长、国家级重点实验室结构仿真负责人

2020 – 2022 英国埃克塞特大学，数据科学与人工智能研究所，博士后研究员

2018 – 2020 卢森堡大学，计算和数据科学研究所，博士后

教育经历：

2011 – 2018 湖南大学，汽车车身先进设计制造国家重点实验室，力学/机械工程，硕博

（2016 – 2018 美国明尼苏达大学，美国国防高性能计算中心，国家联合培养博士)

（2012 – 2014 北京大学，北京市虚拟仿真与可视化工程技术研究中心，联合培养硕士)

2007 – 2011 湖南大学，车辆工程，工学学士

学术服务：

受邀担任波兰国家自然科学中心、国家自然科学基金委和教育部学位与研究生教育中心等评审专家，中国复合材料学会青年工作委员会委员，以及国际期刊Journal of Reliability Science and Engineering 和计算力学学报等青年编委。

参与组织机械系统动力学国际会议(ICMSD)、中国力学大会、全国塑性力学大会、全国爆炸力学学术会议、南方计算力学学术会议和北京交叉科学大会等著名会议；受国际工业与应用数学(SIAM)和欧洲应用科学计算方法大会(ECCOMAS)、全国计算力学大会、全国数据驱动计算力学研讨会、全国计算力学青年学术研讨会等邀请作专题报告30余次；受邀担任 Computer Methods in Applied Mechanics and Engineering、Composites Part B: Engineering、Applied Energy、Applied Mathematical Modelling、Computer Physics Communications、Thin-Walled Structures、Journal of Computational Science、International Journal of Heat and Mass Transfer、Engineering Analysis with Boundary Elements、Acta Mechanica Sinica、Theoretical & Applied Mechanics Letters、Extreme mechanics letters等30多个国际顶级、权威期刊的客座编辑和审稿人。

部分论文列表：

[1] Zhuosen Wang, Yunguo Cheng, Chensen Ding*, Parallel Spatiotemporal Order-reduced Gaussian Process for Dynamic Full-field Multi-physics Prediction of Hypervelocity Collisions in Real-time with Limited Data. Computer Methods in Applied Mechanics and Engineering 438(2025), 117810. (一区Top)

[2] Chensen Ding*, H Rappel, T Dodwell, Full-field order-reduced Gaussian Process emulators for nonlinear probabilistic mechanics, Computer Methods in Applied Mechanics and Engineering 405(2023), 115855. (一区Top)

[3] Chufan He, Xuan Peng, Chensen Ding*, Dual order-reduced Gaussian process emulators (DORGP) for quantifying high-dimensional uncertain crack growth using limited and noisy data, Computer Methods in Applied Mechanics and Engineering 417 (2023), 116394 (一区Top)

[4] L Chen, Z Wang, H Lian*, Y Ma, Z Meng, P Li, Chensen Ding*, SPA Bordas, Reduced order isogeometric boundary element methods for CAD-integrated shape optimization in electromagnetic scattering, Computer Methods in Applied Mechanics and Engineering 419 (2024), 116654. (一区Top，ESI全球高被引)

[5] C.S. Ding, R.R. Deokar, H.J. Lian, Y.J. Ding, G.Y. Li, X.Y. Cui, K.K. Tamma. S.P.A. Bordas. Resolving high frequency issues via proper orthogonal decomposition based dynamic isogeometric analysis for structures with dissimilar materials. Computer Methods in Applied Mechanics and Engineering. 359(2020)112753. (一区Top)

[6] C.S. Ding, R.R. Deokar, Y.J. Ding, G.Y. Li, K.K. Tamma, X.Y. Cui, S.P.A. Bordas. Model order reduction accelerated Monte Carlo stochastic isogeometric method for the analysis of structures with high-dimensional and independent material uncertainties. Computer Methods in Applied Mechanics and Engineering, 349(2019) 266-284. (一区Top)

[7] C.S. Ding, X.B. Hu, X.Y. Cui, G.Y. Li, Y. Cai, K.K. Tamma, Isogeometric generalized nth order perturbation-based stochastic method for exact geometric modeling of (composite) structures: Static and dynamic analysis with random material parameters. Computer Methods in Applied Mechanics and Engineering, 346(2019) 1002-1024. (一区Top)

[8] C.S. Ding, X.Y. Cui, G.Y. Huang, G.Y. Li, K.K. Tamma, Exact and efficient isogeometric reanalysis of accurate shape and boundary modifications. Computer Methods in Applied Mechanics and Engineering,318(2017) 619-635. (一区Top)

[9] Chensen Ding*, Yang Chen, Hussein Rappel, Tim Dodwell, Functional order-reduced Gaussian Processes based machine-learning emulators for probabilistic constitutive modelling, Composites Part A: Applied Science and Manufacturing, 173(2023), 107695. (一区Top)

[10] Yunguo Cheng, Timon Rabczuk, Chensen Ding*, Multi-DORGP for fast uncertainty quantification of multi-scale irregular defects in super large-scale fiber-reinforced composite, Composites Part A: Applied Science and Manufacturing,182 (2024)108196. (一区Top)