近日，我院2项研究成果被国际顶级学术会议ACM Special Interest Group on Knowledge Discovery and Data Mining 2026?（简称SIGKDD 2026 ）录用。

SIGKDD是中国计算机学会（CCF）推荐的A类会议，长期聚焦数据科学、人工智能应用等前沿方向，是数据挖掘、知识发现与大规模机器学习领域最具影响力的顶级国际学术会议之一。

成果一：OpenAqua: A Large-Scale Fine-Grained Dataset and Benchmark for Open Underwater Visual Perception

作者：骆霖轩，穆攀（通讯），白琮

该成果为水下开放视觉方向的最新研究进展。论文的第一作者为我院硕士生骆霖轩，通讯作者为穆攀副教授。

水下生物多样性监测对于维护全球生态平衡至关重要。尽管计算机视觉技术的进步极大地推动了水下感知的发展，但现有水下数据集通常局限于粗粒度类别，或缺乏空间定位标注，严重限制了视觉模型在真实场景下进行细粒度生物识别的适用性。针对这一问题，论文提出了首个专为水下开放视觉任务设计的大规模细粒度数据集OpenAqua。该数据集围绕五级生物分类学层级构建，包含77,970张高质量图像，覆盖多达16,540种水生物种，并提供了132,885个细粒度边界框及相应的实例分割掩码。基于该数据集，论文建立了一个全面的基准测试套件，不仅涵盖了标准的目标检测和实例分割任务，还首次引入了水下开放词汇目标检测基准。广泛的实验评估表明，当前模型在从粗粒度向细粒度识别过渡时存在显著的性能衰退，这凸显了在退化水下环境中进行细粒度语义感知和领域泛化所面临的挑战。该研究为推进细粒度水下视觉研究、促进长尾分布学习提供数据支撑，也为实现更高效的水下生态系统监测提供了新思路。

成果二：Integrating Weather Foundation Model and Satellite to Enable Fine-Grained Solar Irradiance Forecasting
作者：马紫清，应楷（共一），顾欣悦，周天，朱天宇，张海帆，牛培淞，王峥，白琮，孙亮

该成果是我院白琮教授团队与阿里巴巴达摩院在卫星遥感与新能源智能预测方向的合作研究进展。论文的作者有我院研究生应楷、王峥副研究员及白琮教授，其他作者均来自阿里巴巴达摩院。

太阳辐照度预测是光伏并网、电力调度和新能源消纳中的关键问题。现有数值天气预报和天气基础模型具备较强长时效预测能力，但空间分辨率较粗；卫星外推方法能捕捉精细云结构，却在较长预测时效下容易误差累积。针对上述问题，论文提出一个融合天气基础模型与地球同步卫星观测的两阶段多模态太阳辐照度预测框架Baguan-solar。该框架结合天气基础模型Baguan提供的大尺度气象预报，与Himawari-8/9高分辨率多光谱卫星图像相结合，实现公里级、未来24小时太阳辐照度预测。两阶段设计将复杂辐照度预测问题拆解为“云层演化预测”和“辐照度推断”两个更具物理意义的子任务，使模型既能保留卫星图像中的精细云结构，又能利用天气基础模型提供的动力和热力约束。实验结果表明，Baguan-solar在东亚区域测试中优于ECMWF IFS，相比最强基线降低16.08%。该系统已自2025年7月起在我国东部上线运行，支撑光伏功率预测业务，为天气基础模型在新能源场景中的落地应用提供了新的技术路径。

让我们向取得这一优异成绩的全体师生致以衷心祝贺！