3月27日，应南京邮电大学理学院邀请，香港浸会大学吴国宝（Michael K.Ng）教授莅临第267期理学论坛，并作题为《Tensor Representations in Data Science》的专题学术报告。本次报告会由理学院副院长金正猛教授主持，学院相关领域教师、研究生及2023级数学基地班部分学生30余人参加了本次学术活动。
报告聚焦高维张量的分解方法及其在数据科学领域的应用，系统梳理了张量分解技术的前沿研究成果与实践应用路径，逻辑严谨、内容详实。报告伊始，吴国宝教授以经典张量分解理论为切入点，详细介绍了CP分解与Tucker分解的核心原理，明确指出CP分解是Tucker分解的特殊形式，为在场师生搭建了清晰的理论认知框架。随后，他进一步深入讲解了张量链分解、张量环分解及张量网络分解三种前沿方法，结合具体理论推导，阐释了各类方法在刻画核心张量间内在相关性、提升数据处理效率方面的独特优势。在张量奇异值分解（t-SVD）专题环节，吴教授创新性地介绍了基于卷积运算的张量内积定义，系统拆解了借助傅里叶变换实现t-SVD高效计算的关键步骤，并通过实际案例，直观展示了该方法在低秩张量近似、张量补全等场景中的应用价值，让抽象的数学理论变得通俗易懂。
整场报告兼具学术深度与实践指导意义，既构建了完整的张量分解数学理论体系，又紧密结合实际应用场景，充分激发了在场师生的学术思考与交流热情。互动交流环节，与会师生踊跃提问，围绕不同张量分解方法的优劣对比、张量分解网络结构的优化设计、数值方法的落地应用及前沿研究方向等核心问题，与吴国宝教授展开了深入探讨，现场学术氛围浓厚。
本次专题报告的成功举办，不仅有效拓宽了理学院师生在张量计算、数据科学领域的学术视野，夯实了相关研究基础，更进一步深化了学院与国内知名学者之间的学术交流与合作，为后续开展相关领域的科研合作与人才培养工作奠定了坚实基础。
（撰稿：张俊康、金正猛 初审：高丽 编辑：王晓冬 审核：李永涛）