2025年GCL博士研究生答辩会（1）

2025年5月6日下午2:30，中国科学技术大学数学科学学院安徽省图形计算与感知交互重点实验室（GCL）于管理科研楼912会议室举行了2025届第一场博士学位论文答辩会。答辩人是GCL实验室的博士研究生詹正同学和潘琼同学，导师是陈发来教授。答辩会由答辩委员会主席合肥工业大学檀结庆教授主持进行，答辩委员会成员包括武汉大学何发智教授、西安交通大学杨义军教授以及本实验室的李新教授和傅孝明副教授，实验室的翟晓雅老师以及多位同学们也参加了本次答辩。

詹正同学的博士论文题目是《基于深度神经网络的面向等几何分析的区域参数化研究》。论文基于神经网络方法，对区域参数化问题进行了系统的研究。论文包括三个部分的内容。首先，文中提出了一种基于深度学习的边界对应方法。通过构建平面边界对应数据集，并利用全卷积网络自动预测角点选取，实现了边界对应问题快速、高质量的自动化求解。其次，文章提出了一种基于深度学习的二维区域的整体参数化框架。将边界映射与内部映射统一处理，构建了具有泛化能力的区域参数化神经网络表示，实现了高效、高质量的平面区域参数化。最后，论文提出了一种基于深度学习的三维区域的整体参数化框架。通过引入拟正方体的概念以及分步训练策略，有效生成了低扭曲、低边界误差的三维区域参数化。

潘琼同学的博士论文题目是《壳结构的等几何拓扑优化》。论文围绕壳结构的几何建模与拓扑优化开展研究。首先，文中提出了一种基于密度法和等几何分析的中厚壳结构拓扑优化方法。基于非均匀有理B样条框架统一几何建模、结构分析与结构设计，有效避免了传统有限元方法中的几何精度损失与边界锯齿问题，显著提高了计算效率。其次，文章提出了适用于多面片几何表示的中厚壳结构拓扑优化框架。通过面片切割、参数一致性处理及控制点共享策略，有效实现了壳结构物理场与材料分布的连续性，获得了满足约束条件的优化结果。最后，论文提出了基于 Catmull–Clark 细分曲面与等几何分析的薄壳结构拓扑设计方法。通过引入细分曲面并结合高效的求值与求导方法，构建了满足C1连续性的薄壳拓扑优化模型，实现了任意复杂拓扑薄壳结构的优化设计。

答辩委员会老师们在听完了两位同学的答辩陈述之后，分别对其工作进行了点评与提问，同时也悉心给出了很多指导性建议。

答辩结束后，答辩委员会老师们经过讨论和投票表决，最终一致通过了詹正同学和潘琼同学的博士学位论文，并给出了授予理学博士学位的建议。在答辩委员会主席宣布答辩结果后，大家合影留念并祝贺两位同学顺利通过答辩！

最后，祝詹正同学和潘琼同学在今后的工作中继续发扬GCL实验室的优良传统，不忘初心，砥砺前行，取得更多更丰硕的成果！