12月16日，中科院院士、全國政協常委、中國科協副會長袁亞祥做客科技創新院士報告廳，作“大資料與優化”演講。 他表示，在大資料時代，生產生活的方方面面都在產生大量的資料，但大部分資料沒有得到有效利用。 資料優化是研究這些資料的規律性、分類性和質量，並在各種選擇中挑選出最優的。
袁雅翔主要從事優化計算方法的研究，在非線性優化演算法、理論、信任域法、準牛頓法和共軛梯度法等方面做出了重要貢獻，研究成果被命名為“袁引理”。
袁亞祥從“大資料的廣泛應用”出發，介紹了大資料在交通網路建設、智慧型互動習、醫療健康、醫學影像、金融風控、無線通訊、地質勘探等領域的重要作用。
例如，從科學的角度來看，交通資料的應用只佔總數的很小一部分，但人們已經得到了很大的回報。
對於決策部門來說，資料可以幫助部門決定公交路線，決定社群、小學、醫院等的位置。 自動駕駛仍處於起步階段，也許在10年或20年內，會有越來越多的自動駕駛汽車在街道上行駛。
大資料的另乙個廣泛應用是在醫療方面，以前人們最關心的是如何看病，現在更希望能夠及早發現問題，多年的體檢記錄可以幫助早日發現隱患。
金融在大資料技術中的應用非常廣泛，無論是精準營銷，還是風險控制等等，雖然有數學公式、隨機微分方程，但其實背後有大量的大資料來做決策。
在無線通訊方面，大資料發揮著重要作用。 我國在疫情防控方面走了一條與西方完全不同的道路，因為大資料的使用使西方不可能做中國已經做過的一些事情。
農業現代化必須重視大資料技術，包括農業數字經濟、智慧農產品鏈，甚至育種、種植，還要利用大資料分析，進而做出科學決策。 對於農村幹部來說，大資料也可以為科學決策提供很好的幫助。
袁亞翔認為，大資料在各個行業都會發揮非常重要的作用，無論你從事什麼行業，使用大資料都會提高價值或效率。
資料處理包括三個方面，即統計、計算和優化。 袁亞翔以片片評估、監控分析處理等資料問題為例，介紹了國際上備受關注的優化問題和主要優化演算法。 優化方法作為解決大資料問題的重要支撐技術，在資料科學中得到了廣泛的應用。
例如，生命科學中的蛋白質摺疊歸結為最小能量的優化問題;在航空航天領域，飛機的外形設計、太空飛行器飛行軌道的選擇、有效載荷布局的設計都涉及優化問題在大資料和人工智慧領域，語音識別、指紋識別、虹膜識別等問題的核心可以歸結為優化問題。 自動駕駛和自動駕駛中的道路規劃，無論是最短路徑還是最短時間，都可以歸結為圖和網路流的優化。