2024年9月6日下午，香港中文大学孙相国博士和国防科技大学谭索怡博士应邀来我院恕园2号楼311会议室做题为《迈向通用图智能：挑战、进展以及未来的方向》和《基于移动计算的大规模人口流动复杂性分析》的学术讲座。讲座系阿里巴巴商学院“数字经济卓越大讲堂”系列讲座，由詹秀秀副教授主持。学院师生积极参与了讲座。

孙相国博士做报告

      孙相国博士首先提出自然语言处理和计算机视觉领域，AGI技术已经取得了显著成就，但是面对更为复杂的图数据，很多技术仍面临挑战。现有的 AGI 模型在处理这种非线性、高度互联的数据时往往效率不高，难以捕捉图数据中的深层次模式和关系。通过图提示学习，可以更好地理解和利用图数据中蕴含的丰富信息。图提示学习作为一种新兴的方法，它通过精心设计的输入修改，引导预训练的GNNs高效地适应新任务，从而在计算成本和模型泛化能力之间找到平衡。孙相国博士不仅为图提示学习提供了一个全面的概述，还提出了该领域面临的挑战和未来的发展方向。

谭索怡博士做报告

谭索怡博士致力于从社会系统的角度出发，对大规模人口流动的复杂性进行了深入的分析研究。由于实验条件严苛，样本规模小，可推广性差且一半以上的人类行为研究无法复现导致难以理解人类行为。然而，随着大数据技术的不断进步，研究得以从社会系统的角度出发，对大规模人类行为进行更为全面和细致的理解。谭索怡博士提出数据驱动的模型和方法正在改变我们对社会系统视角下人类行为复杂性的认识。

       此外国防科技大学研究生团队发现大多数现有的任务和方法都是基于完整和准确的轨迹假设。而想要在信息不完整的情况下创建可用的数据集需要准确地重建缺失的信息。将轨迹输入任务的目标转换为学习生成模型G，当只给出起始点和终点时，该方法在不同的窗口大小下都能得到最好的结果。针对提出的轨迹输入任务设计了自适应方法ProDiff可以作为提高轨迹数据质量和支持下游任务的一种方法，并取得了较好的效果。

本次学术讲座分享深入浅出、精彩纷呈，为我院师生提供了创新创造、学术交流的舞台，也让同学们了解到前沿的研究方法和课题背景，最终讲座在师生们的掌声中圆满落下帷幕。

专家简介：

孙相国博士现任香港中文大学博后研究员，现任中国人工智能学会社会计算专委会委员。获香港中文大学博后创新基金资助(面向全球候选人评选，院系仅3人)。他于东南大学计算机获博士学位，获评CCF江苏省优秀博士论文（全省仅6人）。他先后在微软亚洲研究院、杭州之江实验室等科研单位进行访问研究。于2019年至2021年赴澳大利亚昆士兰大学进行为期两年的联合博士培养，师从澳大利亚杰青阴红志教授。他广泛结合心理学、社会学，和计算机科学，完成了很多新颖的在线社交网络交叉学科研究工作，包括社交网络行为分析、网络异常检测、图学习等等。他在国际顶尖数据挖掘类会议和期刊如SIGKDD、ICLR、TKDE、VLDB、TNNLS、TOIS、The Web Conference、WSDM、CIKM等发表高水平论文近30篇。其中CORE A＊论文18篇，CCF A类论文15篇，SCI期刊论文17篇（包括8篇 IEEE Trans 系列顶尖期刊论文）。他有两篇一作论文分别入选KDD23和WSDM最具影响力论文。其中以第一作者身份发表的KDD论文获得“最佳研究论文奖”（仅评选1篇）。KDD 会议被公认为计算机领域难度最高的顶尖国际会议之一，代表了数据挖掘研究的最高水平，此次获奖是 KDD 会议自创立以来，中国大陆和港澳地区范围内首次。鉴于在在线社交网络领域的突出贡献，他被中国人工智能学会授予2023年度“社会计算青年学者新星”（面向全球华人青年学者评选，同年度仅10人）。

谭索怡，国防科技大学系统工程学院讲师，主要研究方向为复杂网络与移动计算、人类行为动力学、应急管理等。入选湖南省创新人才计划湖湘青年英才、CAAI社会计算青年学者新星、国防科技大学基石基金计划。主持、参与国家/军队重大、重点项目10余项，授权发明专利5项，研究成果发表在PNAS，National Science Review，物理学报等，担任10余个期刊审稿人，被中国科学、科技日报、集智俱乐部、澎湃新闻、EurekAlert!等多家学术媒体广泛报道。