结构模式识别与图机器学习：前沿、交叉及应用 | CNCC

北京师范大学教授

博导，智能技术与教育应用教育部工程研究中心副主任。国家优青，教育部国家优秀自费留学生，百度全球华人AI青年学者，获IAPR Newsletter下一代报道。发表TPAMI、TKDE、TVCG、ICML、NeurIPS等期刊会议论文130余篇，包括：9篇ESI热点/高被引，4篇IAPR最佳科技论文奖、IAPR意大利分会Eduardo Caianiello论文奖 、IEEE-IEEM杰出论文奖、MICCAI最佳论文提名。获2025“CCF自然科学三等奖”（排1）。担任国际期刊TNNLS、PR、NN编委。成果应用于科大讯飞等业务，或形成报告被“国家发改委”采纳。

论坛讲者

北京邮电大学教授

博导，教育部长江学者特聘教授，智能通信软件与多媒体北京市重点实验室副主任。研究方向:图机器学习、人工智能、科学智能。发表CCF A类期刊和会议发表论文100余篇，英文专著四部，谷歌学术引用2万余次；授权发明专利30余项，相关研究成果应用于阿里、蚂蚁、腾讯、华为、美团等公司。研究成果获得中国电子学会科技进步一等奖和北京市自然科学二等奖等奖项。获得北京市高等学校师德先锋、思政名师和中国智能计算创新人物等称号。

报告题目：图变换器：图机器学习的新架构

报告摘要：将神经网络应用到图数据，形成了以图神经网络为代表的图机器学习的研究热潮。其不仅成为人工智能热点技术方向，亦广泛应用在众多领域。随着大模型表现出强大语言理解和推理能力，利用大模型技术处理图数据成为研究热点。大模型的变换器基础架构利用全连接注意力机制能高效处理序列化数据。如何利用变换器架构处理图结构数据，有望成为图机器学习的新架构。本报告将介绍图变换器的基本概念和研究进展，以及我们在这个方向的探索。

北京航空航天大学教授

北航研究生院常务副院长，国家杰青，CMU机器学习系访问学者，任中国载人航天工程软件组专家，国家数标委委员等，人工智能学会理事、CCF青工委副主任，大数据专家委常委等。研究方向：大数据计算、人工智能等，主持2030新一代人工智能重大项目、国家科技支撑课题、NSFC联合重点基金等，服务国家网信、公安等领域应用。发表论文百余篇，获AAAI 2021、IWQoS 2022、DependSys 2017最佳论文奖，CIKM 2022最佳论文提名等。曾获电子学会、公安部等多项省部级一等奖。

报告题目：大数据关联结构计算理论与技术

报告摘要：大数据蕴含的关联结构、驱动的长时预测，已成为为网络空间安全、重大设施运维等行业领域共性需求，关键要解决“数据看得懂、行为判得准、演化能预测”等智能计算难题。针对互联网行为数据关联、检测预测的计算需求，构建了图高阶表征-关联异常发现-长序列预测框架，重点研究：如何发现几何特性高阶保持的低失真图表征空间？如何发现高阶复杂关联模式？如何实现长序列高效预测？并基于异构融合体系提升数据计算效率。

国防科技大学教授

博导，国家杰青、国家优青，基金委重点项目、科技创新2030重大项目负责人，基金委创新群体A类核心成员。研究方向：机器学习、数据挖掘等。发表CCF A类期刊/会议论文180余篇，包括TPAMI 20余篇，谷歌学术引用2万余次，入选全球2%顶尖科学奖榜单。研究成果获吴文俊人工智能自然科学一等奖、北京市科技进步一等奖、湖南省自然科学一等奖两项、中国图象图形学学会自然科学二等奖等。担任TNNLS，TCYB等国际顶刊AE，以及ICML，NeurIPS等国际顶会AC。

报告题目：《攻与防：鲁棒图机器学习》

报告摘要：图机器学习作为处理复杂关系数据的核心技术，已广泛应用于诸多等领域。然而，随着人工智能研究的深入，性能不再是唯一值得关注的问题，模型是否安全可靠也是现阶段研究者们探索的重要研究方向。通过调研，不难发现现有图学习方法易受到针对图结构、图属性的后门攻击与对抗样本攻击，进而使其性能受到波动、可靠性下降。针上述问题，本课题组提出系列创新性研究方案。此外，针对知识图谱进行了相关研究，为实现更安全的图谱学习提供了指导。

湖南大学教授

博导、国家杰青、湖南省杰青。获吴文俊人工智能优秀青年奖，亚马逊机器学习研究奖，CCF科学技术奖。入选“中国智能计算科技创新人物”（麻省理工科技评论）、科睿维安“全球高被引科学家”、爱思唯尔“中国高被引学者”、世界人工智能大会“云帆奖”。发表Nature/Cell子刊、ICML、NeurIPS、ICLR等论文100余篇。获ICIC 2024国际会议最佳论文奖，Cell出版社中国2021年度最佳论文奖，IMCS学会2020年度最佳论文奖。创办的DrugAI公众号入选中国“学术媒体公众号Top10”。

报告题目：面向药物研发的分子世界模型

报告摘要：药物研发具有成本高、周期长、成功率低的特点。智能药物发现方法的应用有望大幅降低研发成本，提高成功概率。但当前智能药物发现领域仍面临可解释性不足、普适性有限、缺乏领域知识等挑战。人类知识与多模态自监督预训练模型或将成为破局关键。本报告将介绍团队在分子世界模型领域的探索成果，涵盖知识图谱、分子视觉预训练模型、多模态预训练模型等，以及药物重定位、药物组合、分子性质预测、抗菌肽发现和分子生成等应用。最后对大型多模态模型在药物研发中的应用前景提出见解与展望。

清华大学长聘副教授

博导，国家青年特聘专家。研究方向：人工智能及应用、计算机视觉及医学图像处理、超图计算理论及方法，实现了高阶关联的结构建模与计算，有效应对数据不足和信息关联复杂等挑战。发表论文百余篇，引用万余次，出版《超图计算》、《Hypergraph Computation》等专著，入选科睿唯安高被引科学家、爱思唯尔中国高被引学者、DeepTech 2022中国智能计算科技创新人物，担任IJCV、MIA、TAC等期刊编委。曾获中国电子学会自然科学一等奖、福建省科技进步一等奖。

报告题目：超图计算

报告摘要：许多生物、社会和技术系统的复杂性源于系统单元之间丰富性的相互作用。社会交流、化学反应、生命系统到生态系统中相互作用通常发生在三个或更多对象的组中，并不能简单地用二元关系来描述。有效地利用这些高阶关联结构能够增强对各类系统的建模能力，帮助理解和预测其动态行为。超图是建模此类高阶交互、即高阶关联的天然结构。实际应用中通常也面临数据不足和关联复杂难题。本报告主要介绍面向高阶关联的超图计算理论、方法及应用。

浙江师范大学教授

博导，入选浙江省“高校高层次拔尖人才”及“钱江人才计划”，浙江全省智能教育技术与应用重点实验室副主任，担任NN等国际期刊AE，曾任TNNLS专刊首席GE。发表TPAMI、AI、TKDE、ICML、NeurIPS等期刊会议论文100 多篇（包括10篇ESI热点/高被引），入选全球前2%顶尖科学家榜单，Google Scholar引用4500多次，h-index 35，主持国家级及省部级项目7 项，联合承担国自科联合基金重点项目1 项，获第二十五届中国专利优秀奖，入选意大利ICTP 研究中心高级访问学者计划。

中央财经大学副教授

博导，中央财经大学“龙马学者-青年学者”，北京市本科毕设优秀指导教师（2019）。研究方向：图机器学习、运筹优化、智能金融等。拥有国际金融风险管理师FRM一级证书，及香港证券从业资格证书。发表TPAMI、TKDE、ICML、NeurIPS等期刊会议论文80余篇，包括：4篇ESI热点/高被引，4篇国际人工智能与管理学会议论文奖。获2025中国计算机学会“CCF自然科学三等奖”（排2）。曾担任国际期刊PR编委（2019-2025）。部分成果被中国电信、科大讯飞等采纳。

华南农业大学副教授

华南农业大学数学与信息/软件学院副院长，副教授，广东省青年珠江学者，CCF数字农业分会副秘书长，YOCSEF广州2022-2023主席，CCF杰出演讲者。曾任CCF数字农业大会组委会主席及CCF中国数据大会宣传主席。研究方向：机器学习、大数据分析，发表TKDE、TIP、KDD等期刊会议论文100多篇，7篇ESI高被引，相关算法应用于省气象单位及农业龙头企业。曾获ACM广州新星奖、广东省人工智能产业协会青年科技创新奖与自然科学二等奖，以及广东省计算机学会教学成果一等奖。

西安交通大学助理教授

陕西省高校优秀青年人才。研究方向：几何图学习、复杂系统分析，发表TPAMI、ICML、ICLR等顶级期刊会议论文30余篇，ICLR 2020论文提出的几何图卷积网络Geom-GCN被誉为“异质图学习奠基性工作”，单篇引用超过1600次。主持国自然面上、国家“博新计划”、腾讯AI Lab犀牛鸟基金等项目。成果应用于北京市副中心建设规划、中缅边境疟疾防控等实际场景。多份政策建议被中央办公厅等采纳。获吉林省自然科学一等奖、吴文俊人工智能优秀博士论文提名。

CNCC2025将于10月22-25日在哈尔滨举办。专题论坛将在往年多样化主题的基础上，首次通过“基础-前沿-未来”的一体化设计，满足不同背景参会者的需求，构建从知识获取到创新激发的完整路径，打造系统化、进阶式的参会体验。重点设置9大主题板块，每个主题板块的专题论坛由三大核心模块组成：面向前沿领域的体系性Tutorial、聚焦前沿突破的专题论坛以及探讨未来发展路径的思辨论坛。