刘歆👨‍❤️‍💋‍👨，中国科K8凯发数学与系统科学研究院副研究员🫷🏽，博士生导师，国家优秀青年科学基金获得者。2004年本科毕业于北京大学数学科学K8凯发🙇🏻‍♂️；2009年于中国科K8凯发研究生院获得博士学位，导师是袁亚湘院士；毕业后留所工作至今。期间分别在德国ZIB研究所👨‍💼、美国RICE大学👨🏻‍🦼‍➡️™️、美国纽约大学Courant研究所进行过长期访问。他的主要研究方向包括🍀：正交约束矩阵优化问题，线性与非线性特征值问题，及其在电子结构计算中的应用🧑‍🦼‍➡️🧅；非线性最小二乘的算法与理论，分布式优化算法设计，及其在机器学习中的应用🤲🏼。2016年8月获得国家自然科学基金委优秀青年科学基金；2016年10月获得中国运筹学会青年科技奖🖥▶️；2017年2月入选中国科K8凯发北京分院“启明星”优秀人才计划。2015年7月起担任《MathematicalProgramming Computation》编委；2016年10月起担任中国运筹学会理事🏇🏽；2017年7月起担任《计算数学》编委；2018年5月起担任中国科K8凯发青年创新促进会数理分会副会长；2018年6月起担任《物理学报》特约栏目编辑💆🏼‍♀️。  

在优化问题中，构造并行算法是解决优化问题的常见策略🤷🏻。但是由于正交性条件的限制🧑🏻‍🔧，正交约束中构造并行算法是一件极其困难的任务🚟。另一方面，在现实应用中正交性限制是非常常见的，比如在材料计算等领域，因此正交约束的优化问题是在现实生活中需求巨大的实际问题🪂。

在报告中，为了解决正交约束的优化问题，刘歆老师基于经典的修正拉格朗日罚函数法🧑🏽‍🚀，提出两种不可行算法。与经典的修正拉格朗日罚函数法不同，两种算法通过新的迭代策略🏄，同时更新原始变量和对偶变量。正交化的程序仅仅在算法的最后一步需要计算得到🐔。因此🤹🏻，两种算法的主要部分可以进行并行化处理。

对于这两种新的算法👩‍👧‍👧，刘歆老师证明了具有全局次线性收敛性。在某些假定之下👨🏽‍🔬，分析了算法在最差情况下的时间复杂度和局部收敛速度。并且在并行环境下🧕，做了相应的数值实验🎱🆒，说明了新的算法在解决离散Kohn-Sham总能量极小化问题中，具有很好的性能和可操作性👨🏿‍🍼。  

刘歆老师的报告内容丰富🟥，讲解细致，给在座的教师们很大的启发。报告结束后，刘歆老师与运筹与计算科学系教师们进行了进一步的探讨和交流。