会议须知
一、会议地点
地图导览（辽宁大厦->中国科学院数学与系统科学研究院南楼）
二、会议用餐
用餐地点：午餐 物科餐厅4层（自助餐）
温馨提示：请参会代表凭餐券就餐，餐券附于手册之内。若有缺失，请与工作人员联系。
三、会务联系
联系人及电话：李阳阳 15652699840
李灵芝 13581762515
报告介绍
上午 08:40-09:25
报告题目：情境智能：迈向下一代强交互大模型
报告人：邱锡鹏（复旦大学）
报告摘要：
当前大语言模型已展现出惊人的能力，但在算力和数据资源双重制约下，其进一步突破面临严峻挑战。为应对这一困境，探索新一代驱动模型能力提升的关键因素显得尤为重要。本报告介绍一种新的可规模化维度：情境（Context），通过融合多模态信息（如视觉、听觉等），实现知识的具象化表达，增强模型的交互能力，从而构建更为丰富和直观的认知体系，最终达到情境智能。本报告围绕情境智能探讨相关前沿技术及其实现机制，分析这些技术如何协同作用，以及在具身智能领域的应用。
个人简介：
邱锡鹏，复旦大学教授、上海创智学院导师，国家杰青获得者，CAAI Fellow，入选中国高被引学者和全球前2%顶尖科学家榜单、教育部“高校计算机专业优秀教师奖励计划”等，获钱伟长中文信息处理科学技术奖一等奖（第一完成人）、CCF-ACM青年科技奖等奖励，主持研发了MOSS等多个高影响力大模型。著作《神经网络与深度学习》被上百家高校作为教材。
上午 09:25-10:10
报告题目：大模型密度法则与高密度大模型关键技术
报告人：刘知远（清华大学）
报告摘要：
2018年以来大模型规模不断增大、产生智能涌现，验证了OpenAI提出的模型规模法则（Scaling Law），特别是ChatGPT的推出引发全世界对大模型技术的关注。面向未来，大模型的发展趋势是什么，就是不断增加模型参数规模以追求更多能力涌现么？本报告发现，大模型在印证规模法则的同时，还呈现能力密度持续增强的规律，我们称为大模型的密度法则（Densing Law），这揭示了端侧智能的巨大潜力，并指出未来应持续探索大模型科学化建设路径，不断改进模型制造工艺，实现人工智能的高质量、可持续发展。本报告将介绍大模型的密度法则和实现高密度大模型的关键技术。
个人简介：
刘知远，清华大学计算机系长聘副教授，主要研究方向为大语言模型、知识工程与社会计算。已在ACL、EMNLP、IJCAI、AAAI等人工智能领域的著名国际期刊和会议发表相关论文200余篇，Google Scholar统计引用超过7万次。曾获教育部自然科学一等奖（第2完成人）、中国中文信息学会钱伟长中文信息处理科学技术奖一等奖（第2完成人）、中国中文信息学会汉王青年创新奖，连续四年入选2020-2023年Elsevier中国高被引学者，入选《麻省理工科技评论》中国区35岁以下科技创新35人榜单、中国科协青年人才托举工程。
上午10:30-11:15
报告题目：基于AI的药靶作用预测
报告人：郑明月（中国科学院上海药物研究所）
报告摘要：
在现代药物研发领域，针对酶和生物大分子的药靶发现已成为推动原创药物开发的关键驱动力。本报告将聚焦于药靶发现新理论与新技术这一议题，探讨我国在该研究领域的发展现状、面临的挑战以及未来的研究方向。
当前，药物研发主要基于靶标和表型两种策略：基于靶标的策略通过深入理解生物机制，驱动新靶点的发现和确证；基于表型的策略则从疾病表型出发，通过高通量筛选等手段发现有效分子后再进行机制和靶标解析。然而，传统药物发现策略在靶标验证和药物作用机制解析方面仍面临诸多瓶颈。人工智能技术的兴起为组合药靶发现带来了新的机遇。基于AI的新靶点药物筛选方法，能够利用多维度多模态数据进行靶点预测和药物设计。例如，TransformerCPI基于蛋白质1D序列发现新靶点和新机制候选药物，EquiScore基于3D结构发现肿瘤Treg细胞特异性新靶点的首个靶向分子。此外，AI技术还可以被应用于药物靶标反卷积，如利用孪生图卷积网络挖掘化学微扰与基因微扰的关联，以及通过生成式AI预测新化学实体的微扰组学。
最后，报告将展望未来在药靶发现研究中亟需关注和解决的核心科学问题。
个人简介：
郑明月，中国科学院上海药物研究所研究员，课题组长。担任计算机学会数字医学分会执委，化学会计算机化学专委会委员，生物信息学学会药物发现专委会委员。担任Mol Div，AILSCI期刊副主编，《人工智能与药物设计》主编。研究方向是基于大数据和人工智能的药物设计技术开发，发展机器学习算法和模型用于活性化合物的作用机制和靶点发现、新靶点活性化合物的发现和成药性优化。近年来，在Nat Method、Immunity等杂志发表SCI论文200余篇。获得国家杰出青年基金，获得药明康德生命化学研究奖，上海药学科技进步奖，等奖励和荣誉。
上午11:15-12:00
报告题目：生物启发的集群智能——Order or disorder,that is the question
报告人：韩战钢（北京师范大学）
报告摘要：
集群智能（Swarm Intelligence）研究众多简单智能个体通过相互作用，涌现出远大于个体智能的群体智能行为。例如微生物的聚集，蚂蚁通过简单互动和信息素作用分工合作，鸟类和鱼群形成复杂的飞行游行姿态，人类群体的踩踏事件等。
本讲座报告一系列集群行为中观测到的有序-无序交互、并存的特性。实验表明，蚁群鱼群在静息态与恐慌疏散态间，在随机漫步与攻击状态间，在有序与动态无序间切换；集群行为模型也展现不仅存在有序与动态无序间的切换，存在有序与淬火无序态间的切换。
如何研究简单的个体规则导致的复杂宏观群体行为？是否存在跨物种、跨环境的底层普适规律？本讲座将介绍生物群体行为的观测、实验到机制建立的研究过程，并将生物集群行为提取的模型方法应用于机器人群体的研究范式，架起信息局域的微观个体行为与宏观整体现象间的桥梁。
生物集群的规律应用于集群机器人控制，为机器人控制引入了局域信息、非中心集中控制，可以突破通讯瓶颈和计算瓶颈，更能适应极端变化环境。
系统跨尺度、跨层次的邻界态研究，为对于集群系统的深刻认识与集群系统的调控都提供了全新视角。
集群系统的复杂性概念仍然是个开放问题。复杂性的定义与度量依赖于客观的复杂性与对其观测和认识程度，本讲座将介绍这方面的最新研究成果。
个人简介：
韩战钢，北京师范大学系统科学学院教授，校系统分析与集成实验室主任，国务院学位委员会系统科学评议组成员，联合国教科文组 织复杂系统数字校园副主席，兼任多个学术团体理事。
他长期致力于系统科学的基础理论研究，建立了演化算法收敛复杂性理论，系统地研究自然与人工集群系统，生物集群行为的现象和对称破缺机制，机器人集群的自组织协同，以及多智能体在其他领域的应用。他的研究得到多项国家自然科学基金项目、科技部重大专项和企事业单位支持，研究成果得到同行高度评价。
下午14:45-15:30
报告题目：量子纠错码的解码：从精确自旋玻璃解到神经网络解码器，再到量子线路解码器
报告人：张潘（中国科学院理论物理研究所）
报告摘要：
报告将首先展示如何把例如独立量子比特噪音下的表面码以及线路噪音下的重复码等量子纠错码的最优解码问题映射为平面自旋玻璃配分函数的计算问题，进而给出一个多项式时间运行的精确解码器。随后，报告将介绍一个基于生成式神经网络的普适解码框架，并推广到运行更快的变分量子电路版本---该版本可直接部署于量子硬件，且无需依赖辅助比特的Syndrome measurements。
个人简介：
张潘是中国科学院理论物理研究所的研究员，第二研究室主任，从事统计物理、量子物理与机器学习交叉领域的研究。张潘与合作者提出了稀疏态张量网络方法，解决了谷歌悬铃木量子线路的采样问题，也提出了统计力学计算方法的VAN框架以及张量网络机器学习模型MPS玻恩学习机。他的科研成果获得了2023年国家杰青项目支持，并获得了2023年中国科学院青年科学家奖，以及2022年北京市自然科学奖二等奖。自2023年起，张潘研究员担任《Physical Review Letters》的编委（物理与机器学习领域的DAE）。
下午15:50-16:35
报告题目：从量子启发到量子加速
报告人：翁文康（南方科技大学）
报告摘要：
量子计算的发展已然来到关键节点。当前，量子硬件的规模持续拓展、成熟度日益提升，然而大众所期待的量子计算超越经典算力的局面却仍未降临。通用量子计算的征程依旧遥远，备受瞩目的量子变分算法也受困于少量比特与浅层线路的限制。一些学者甚至宣称 “NISQ 已死”，似乎我们仅剩下通用量子计算这一条前行路径。在此次报告里，凭借对量子启发算法的深入探究，我们提出量子加速算法的概念，探索 NISQ 量子硬件怎样充当加速器，与经典计算相互协作，从而实现量子计算价值的最大化释放。
个人简介：
翁文康，华为量子领域高级技术专家，南方科技大学研究生导师。本科毕业于香港中文大学物理系，2004年赴美国伊利诺伊大学进行物理学与信息科学的跨学科研究，得到诺贝尔奖获得者 Anthony Leggett 教授指导完成博士论文，获得物理学博士学位。毕业后在哈佛大学进行有关量子信息和量子化学的博士后研究工作。于2013年回国并在清华大学交叉信息研究院担任助理教授。2016 年加入南方科技大学物理系，2018年加入华为先进计算与存储实验室。翁文康教授是量子计算领域知名专家，他的研究方向包括量子算法、量子人工智能、量子模拟等，并取得了一系列重要的成果，在 《Nature Photonics》，《Nature Communications》，《Science Advances》，《PNAS》，《Physical Review Letters》，《npj Quantum Information》,《Science Bulletin》等国际著名刊物发表学术论文，并为 《National Science Review》撰写关于量子霸权的展望。多次应邀参与国际学术会议，并担任过顶级国际量子会议包括 TQC,AQIS,AQE,QIP 的委员会。在哈佛大学博士后研究期间，针对NISQ量子芯片架构开发出VQE量子模拟算法，被谷歌和 IBM 等企业广泛采用。
下午16:35-17:20
报告题目：Equivalence Checking of Quantum Circuits by Nonlocality
报告人：魏朝晖（清华大学）
报告摘要：
The quantum circuit model is the most widely used theoretical model for quantum computing. Therefore,determining whether two quantum circuits whose internal structures cannot be seen have the same functionality will be a fundamental problem in future quantum industries,which however turns out to be QMA-hard. In this talk,we will introduce two quantum protocols for the equivalence checking of two unknown quantum circuits with real unitary matrix representations,where quantum nonlocality plays a key role and allows us to measure an “average-case” distance between the two quantum circuits very efficiently,even if their internal structures are unknown. We will show that these protocols enjoy the optimal performance. In addition,based on a photonic system we will also demonstrate their physical implementations,which constitute a proof of concept for the equivalence checking of quantum circuits.
个人简介：
魏朝晖，博士毕业于清华大学计算机系，现担任清华大学长聘副教授。魏朝晖主要从事量子计算的理论研究工作，研究方向包括量子信息理论、量子计算复杂性、量子人工智能、量子纠错、量子错误缓解等，部分成果发表在IEEE Transactions on Information Theory,Science Advances,Physical Review Letters,Mathematical Programming,npj Quantum Information等学术期刊。
附件下载：