导语
近期，国家自然科学基金重点研发计划公布，“高温合金材料的数学机理建模与高性能计算驱动优化设计”项目成功获批。温州肯恩大学前沿研究院王玉亮教授主要负责该项目“材料高分辨率表征和高效参数反演算法”方向的研究。本次专访，将带我们走进他的科研故事。
王玉亮
温州肯恩大学国际前沿交叉研究院教授，长期从事反问题、计算数学与机器学习研究。
从国家重点项目开始的对话
第一次走进王玉亮教授的办公室，最直观的印象是干净和专注。桌面上只放着电脑和几本随手翻阅的资料。他的科研工作几乎都在电脑前完成——查文献、写论文、调算法。而在采访间隙，他又在对“反问题与计算数学研讨会”做细致准备。这样的工作节奏，让人很容易感受到他对科研的投入与对细节的坚持。
这次获批的国家重点项目名称很学术，但王玉亮教授给出了更通俗的解释：“简单来说，就是在计算机里建一个材料的‘数字孪生’，用数学模型去预测它在高温、高压下的性质。过去材料研发要做大量试验，现在我们希望让计算先跑起来，让研发周期更短、成本更低。”
在其中，他的工作就像一座“桥梁”：“连接真实材料与数字模型的，就是这些参数。我们做的是把看不见的东西还原出来，让计算更接近现实。”他负责把显微镜下采集的海量图像数据“解码”，推算出模型所需的关键物理参数，而这些参数很多无法直接测量，只能通过先进算法反推得到。
对他个人而言，这个项目最吸引他的，是能将抽象的数学理论与国家重大需求相结合：“在这个项目里，我的‘反问题’和深度学习专长可以直接发挥作用，把数学从纸面上带到真实材料的研发里，这让我感到非常兴奋。”
科研的起点藏在好奇心里
“科研的起点往往源自最纯粹的好奇心。”王玉亮教授回忆道，他从小对物理现象着迷，喜欢观察风车转动、磁铁吸引，这些看似简单的好奇心，后来成了他理解世界的方式，让他萌生了对数学的兴趣。他说，数学是所有学科的根本语言，它能把复杂的问题变得清晰、有结构。
这种思考方式逐渐凝结成他长期从事的研究方向——反问题。王玉亮教授用了一个生活化的例子来解释道：“医生做B超、地质学家探测矿藏，都是发出波，然后分析回声。而反问题的研究，就是做这个‘解码器’，用数学推算出看不见的东西到底是什么样子。”
他的科研并非从宏大目标出发，而是从一个个好奇心触发的节点开始。比如在做薄膜镀层优化模型时，他尝试用数学范数衡量光反射率，再结合优化算法设计薄膜结构，这不仅解决了工程问题，还带来了新的数学发现。他称这种数学思想在解决复杂问题时的能力，是“降维打击”：把复杂的现实问题转化为可分析、可计算的模型。
在科研中，他同样强调逻辑和直觉的配合。他举了一个例子，多年以前，在研究多面体的反散射问题时，他凭物理直觉猜出一个结论——高频极限下，散射波强度的局部最大值和多面体每个面的朝向存在简单关联，且最大值和面积成正比。后来，他用严格数学证明，这个直觉完全正确。他感叹，这种物理直觉和数学逻辑的结合，是科研中最令人兴奋的部分。
跨学科：数学从材料走到物理、成像与人工智能
王玉亮教授笑着说：“反问题天生就是跨学科的。”他的研究不仅停留在材料科学，还延伸到探测科学、物理学和人工智能等领域。
在探测科学和计算成像方面，他的团队开发了能够从微弱的散射信号中重建物体界面的算法，像地质学家用地震波探查地下矿藏一样，把原本看不见的结构“抽丝剥茧”地还原出来。其中关于弹性波界面重构的研究成果，还被国际权威期刊《Inverse Problems》评为亮点论文。
在物理学方面，他关注到“超透镜”研究缺乏数学支撑，于是尝试将反散射理论与超透镜成像结合，建立新的数学模型，为物理学研究提供严谨的基础。他形容数学的作用像是“翻译不同学科的共同语言，让我们看得更远、更透”。
近年来，他将数学与人工智能结合应用于反问题研究。“人脑可以很轻松地从二维照片重建三维物体，本质上也是一个反问题。但计算机做这件事并不容易。”他和团队提出了一种“两阶段算法”，把传统反问题方法和深度学习结合，重构精度远超单一方法。他称这种融合是“双向奔赴”：AI使反问题更高效，而数学理论让AI更可靠。
在他看来，跨界探索的本质是用数学理解不同学科的核心结构，把基础能力带入新的研究环境。
对年轻人的建议：好奇、基础与实践并重
谈到年轻研究者，王教授强调三点：好奇心、扎实基础和实践能力。
他认为科研的火种始终来自对世界的好奇：“为什么会这样？”这种好奇让研究者愿意深入探索复杂问题。同时，数学是跨学科合作的“根本语言”，无论是材料、物理还是AI，都离不开扎实的数学基础。实践能力则是把理论变为现实的关键。他回忆自己早年学习编程，为日后算法实现打下基础：“数学是智慧，编程是把智慧变成现实的桥梁。两者结合才能真正解决问题。”
他提醒年轻人，跨学科并不是追热点，而是把底层能力应用到不同领域，让数学的思维成为连接学科的桥梁。
走向未来：反问题 × AI
展望未来，王教授认为反问题和AI结合可能带来范式变化。“当我们看到算法突破预期时，就意识到数学思想与AI结合，可以让机器具备更强的可解释性和可靠性，也可能改变我们处理复杂问题的方式。”
他希望未来继续把数学带入更多领域，与更多学科对话，用跨学科的思维探索未知世界。
文字 | 陈慧
图片 | 受访者提供
一审 | 尚蕊
二审 | 项温蔚
三审 | 吕卓环
责编 | 传播与公共关系部
