报告时间：2024年11月8日 下午13：30

报告地址：计算机大楼A105

报告一

报告题目：智能算力网络关键技术体系研究

报告摘要:

算力是数字经济时代的新型生产力。算力网是支撑数字经济高质量发展的关键基础设施。国家级算力基础设施可实现智算中心、超算中心、数据中心、云计算中心等大型异构算力互联互通、协同调度与高效计算,支撑我国“数字经济”和“东数西算”等重大战略。报告通过分析从网格计算到算力网发展的历史演进,探讨了分布式系统技术发展的趋势,介绍了中国算力网的总体规划及科技创新2030“新一代人工智能”重大项目“智能算力网络关键技术体系研究及验证”的进展。

报告人简介:

金海,博士,华中科技大学教授、博士生导师,长江学者特聘教授,国家杰出青年基金获得者,国家“万人计划”科技创新领军人才。中国计算机学会副理事长、会士,IEEE Fellow,全球计算联盟理事长。华中科技大学“大数据技术与系统国家地方联合工程研究中心”主任、“服务计算技术与系统教育部重点实验室”主任。全国创新争先奖获得者、中国计算机学会王选奖获得者。国务院特殊津贴专家。“十三五"“云计算与大数据”国家重点研发计划专家组副组长、“十四五"“先进计算与新兴软件”国家重点研发计划专家组组长。湖北省计算机学会理事长。获国家自然科学二等奖1项、国家科技进步二等奖2项、国家发明二等奖1项。主要研究领域为计算机体系结构、并行与分布式处理等、云计算与大数据。

报告二

报告题目：大模型价值观对齐

报告摘要:

随着大语言模型的迅速发展并深刻改变我们的日常生活,对其安全性和伦理问题的关注也在不断增加。确保AI行为与人类价值观对齐,已成为当前广泛关注的重要议题。在本次报告中,我将探讨该领域中的一些关键挑战,包括如何定义人类价值观以及如何评估模型对这些价值观的契合程度。为此,我们采用了跨学科的方法,与伦理学和社会学专家密切合作,借助他们在研究人类价值观方面的深厚经验。我希望此次报告能够引发深入讨论,并促进更多跨学科的合作。

报告人简介:

谢幸,微软亚洲研究院全球研究合伙人。他领导的研究团队致力于数据挖掘、社会计算和负责任人工智能等领域的研究。他的学术成就包括2019年获ACM SIGSPATIAL十年影响力论文奖及中国计算机学会青竹奖,2020年获ACMSIGSPATIAL十年影响力论文荣誉奖,2021年获ACM SIGKDD China时间检验论文奖,2022年获ACM SIGKDD时间检验论文奖,2023年获IEEE MDM时间检验论文奖和中国计算机学会自然科学一等奖,并被评为DeepTech中国智能计算科技创新人物。他是ACM会士、IEEE会士、以及中国计算机学会会士。

报告三：

报告题目：云边端协同高效联邦学习方法

报告摘要:

联邦学习是一种分布式机器学习的新流行范式,可以在不收集用户端私人训练数据的情况下协作训练共享的全局模型。尽管在隐私保护方面有很大的好处,但联邦学习仍然受到边缘端和用户端有限计算能力以及大量通信开销的影响。同时,如何有效激励用户/边缘参与联邦学习并高效分配异构资源,实现任务及数据的实时高效处理是云-边-端网络中联邦学习研究所面临的重大挑战。当前研究多关注于粗粒度的模型参数聚合,以及忽略了用户/边缘参与联邦学习过程的动机。面对上述的问题和挑战,报告从以下两个方面展开介绍:(1)研究基于参数选择和预同步的联邦学习方法。(2)研究激励驱动的多用户联邦学习方法。

报告人简介:

周欢,西北工业大学教授,博士生导师,国家优青,陕西省三泰英才引进计划领军项目,湖北省杰出青年基金获得者,IEEE Senior Member,CCF高级会员,2022-2024年入选全球前2%顶尖科学家榜单。主要研究方向为边缘智能。车联网、人工智能、联邦学习、群智计算等,发表高水平学术论文 100余篇,其中包括IEEE JSAC、TMC、TPDS、TSC、TWC、TCC、ICDCS等国际著名期刊和重要国际会议,ES1热点论文 2篇,ES1高被引论文10篇。现担任SCI期刊 EURASIPJournal on Wireless Communications and Networking和PLOS ONE的编委;曾担任国际会议AloTSys 2024,GameNets 2022 和BDTA 2020的TPC Cha, IEEE ICET 2022/2023的Track Chair,Pervasive and Mobile Computing和CCFTPCI的客座主编等学术职务。曾获得国际会议1-SPAN 2014/2018和IEEEISCI2022的最佳论文奖,2016年中国自动化学会优秀博士学位论文奖,以及2023年中国自动化学会自然科学奖一等奖等。

报告四

报告题目：基于城市时空数据的表示学习

报告摘要:

城市路网与城市区域是城市空间中重要的实体。城市路网不仅是承载人类出行的交通基础设施,还蕴含着复杂的空间拓扑和丰富的语义信息;城市区域则作为居民日常生活和社会经济活动的主要空间,具有多维度的属性和复杂地理社会动态特征。深入理解城市路网与区域的特性,离不开有效的表示学习方法的支持。利用城市中海量的时空数据进行路网和区域的表征学习是城市计算领域的热点研究问题,可为城市规划、交通管理等提供有力支撑。本报告围绕城市计算中的时空表示学习展开,针对路网复杂语义建模难表征、区域多重复杂高阶关系难捕捉等关键挑战,介绍了复杂语义场景下的路网表示学习、路网与轨迹联合表示学习、区域表示学习以及区域划分与表示联合学习等研究内容和对应的解决方案。

报告人简介:

陈超,重庆大学计算机学院教授,国家自然科学基金优秀青年科学基金获得者。中国计算机学会普适计算专业委员会常务委员、智能机器人专业委员会执行委员。长期从事智能机器人、时空大数据分析等研究。主持2项军工千万级项目、4项自然科学基金项目。以第一/通讯作者在CCF推荐期刊/会议上发表论文60余篇,其中IEEE/ACM汇刊30篇,ESI高被引论文8篇。连续4年入选斯坦福全球前2%顶尖科学家榜单。出版英文学术专著1部。授权发明专利10余项,排名第2获重庆市技术发明一等奖1项。

报告五：
报告题目：基于多智能体强化学习的群体智能协同策略

报告摘要:

群体智能作为新一代人工智能重点发展的五大智能形态之一,在民事和军事领域都具有重要的应用前景。如何提升智能个体的自组织、自学习能力,提升群智协同决策效率,是未来面向复杂任务实现群体智能的关键问题。近年来兴起的多智能体强化学习已成为解决复杂环境下决策控制问题的重要技术途径之一,在无人机群控制、智能交通系统、智能工业机器人等场景中被广泛应用。报告地介绍目前基于多智能体深度强化学习的群智决策所面临的挑战,同时讨论多智能体强化。

报告人简介:

刘璇,教授,获评青年长江学者,芙蓉学者青年学者,担任湖南大学校园信息化建设与管理办公室副主任。主要从事人工智能、大数据、智能感知等领域研究工作。相关研究工作在SCI国际期刊以及会议上发表/录用论文七十多篇,发表于TMCTPDS、TC等国内外著名期刊和INFOCOM、Mobihoc、IJCAI、AAAI等国际顶级会议。主持和参与多项国家重点研发计划以及国家自然科学基金项目。获CCF科技成果(2022)技术发明二等奖、2022年湖南省计算机学会科学技术二等奖。