报告时间：2023.03.02 10:00

报告地点：吉林大学中心校区唐敖庆楼B521

报告介绍

1.神经网络轻量化及硬件加速技术与应用

报告人简介

　　姚美宝，吉林大学人工智能学院副教授，博士生导师，担任智能机器人实验室负责人。从事智能机器人，计算机视觉，控制理论及应用等研究，主要面向地面和空间应用需求。研究内容包括：模块化机器人构型重组与控制技术；神经网络轻量化及硬件加速技术；非结构化环境感知与三维重构技术等。近5年来，先后以第一/通讯作者发表学术论文20余篇，SCI检索论文10余篇，其中中科院一区Top期刊7篇，EI国际会议10余篇。担任国际主流期刊、会议审稿人，IEEE-ICIT 2022会议分会场主席，IEEE-ICPS 2021会议分会场主席并获 Best Presentation Award，担任ICRAIC 2021会议 Workshop主席并获最佳组织奖。主持或参与国家自然科学基金等科研项目10余项。

报告简介

　　当前先进的目标检测算法对系统算力及其配套资源要求较高，难以部署至小型、轻量化边缘设备，给相关研究带来巨大困难。近年来涌现出许多优秀的神经网络模型压缩算法，不同程度上实现了网络轻量化，但模型再训练精度、硬件亲和能力仍有待提高。随着嵌入式技术的发展，FPGA的性能和集成度快速提高，具备逻辑资源丰富、计算能力强、低功耗等特点，使其特别适用于小型无人平台的视觉感知任务。报告将探讨多种模型压缩算法在多个图像分类数据集上的性能，并针对YOLO目标检测框架进行优化设计，使其能够在FPGA平台上部署，实现并行化加速。

2.求解组合优化问题的深度强化学习算法研究

报告人简介

　　周柚，吉林大学软件学院教授，副院长，吉林大学唐敖庆英才教授，吉林省高校科研春苗人才，从事机器学习、模式识别和生物信息学等领域的研究。2002年于吉林大学获得学士学位、2004年于哈尔滨工业大学获得硕士学位、2008年于吉林大学获得学位。作为项目负责人完成国家自然科学基金项目2项，吉林省重点研发项目1项；获省部级科技进步一等奖3项。先后发表学术论文70余篇，获得发明专利2项。

报告简介

　　“求解组合优化问题的深度强化学习算法研究”，组合优化问题是一类在离散状态下求极值的最优化问题，在交通运输、工业生产、设施选址、国防科技等多个重要领域有着广泛应用。目前求解组合优化问题的传统算法主要是运筹优化技术及启发式算法迭代寻优，传统算法很难拓展到在线、实时优化问题的求解。近年来随着深度学习技术快速发展，深度强化学习在诸如博弈、对抗等领域取得了突破。深度强化学习根据环境状态做出动作选择，并根据动作反馈优化策略，这种动作选择与组合优化问题中的变量决策有着天然的相似性，深度强化学习通过离线训练、在线决策的特性可以解决组合优化中的在线、实时求解问题，是目前组合优化领域中研究的热点方向。报告介绍求解组合优化问题的深度学习算法研究现状，并介绍项目组近期研究取得的一些进展，项目组提出了一种基于强化学习的非自回归算法，该算法求解质量较高，较目前已有深度强化学习算法求解速度优势更加突出。

3.神经网络在原行星盘物理化学演化计算中的应用

报告人简介

　　隋宁，36365线路检测中心理论物理中心讲师，工作领域为天体物理。具体研究领域为原行星盘的物理和化学演化，盘与行星的相互作用等。

报告简介

　　介绍利用神经网络技术对原行星盘的物理化学演化进行计算的有关进展和未来将要开展的工作计划。初步的研究表明，用简单的神经网络来学习已经产生的化学计算数据，再将学习后的网络对化学演化进行计算，是可行并且能够提高运算的效率。然而，简单的神经网络还存在一些性能和准确性的不足，可以通过继续改进网络等技术手段来进一步提高性能。比如将原始数据先进行压缩大幅减少数据的输入量，以及尝试建立RNN循环神经网络等方法，有希望更好的完成化学计算。

4.面向大尺度复杂体系的实空间有限差分第一性原理计算方法和软件

报告人简介

　　谢禹，吉林大学计算方法与软件国际中心教授，2010年博士毕业于吉林大学，2011-2018年先后在瑞士联邦理工学院、美国橡树岭国家实验室、美国莱斯大学等研究机构从事博士后研究。主要从事第一性原理计算方法和计算能源材料物理研究工作，在Nature、PRL、JACS等学术期刊上发表论文60余篇，总引用10,000余次，H因子40，2020年获得国家优秀青年科学基金项目。

报告简介

　　基于第一性原理计算的物性模拟是数字孪生技术中实现物理世界和虚拟世界相互映射的重要一环。然而，基于平面波基组的主流第一性原理计算方法和软件在大规模并行效率存在不足，难以针对大尺度复杂体系开展研究。并且，具有我国自主知识产权的软件少，市场占有率低，存在“卡脖子”风险。本次报告中，我将介绍我们课题组基于实空间有限差分方法开发的第一性原理计算方法和软件。它具有计算效率高、扩展性强等优点，易于在超算平台上实现大规模并行计算，能有效处理近现实环境的复杂体系。在结合机器学习势的基础上，能进一步开展大尺度复杂体系的动力学研究。

5.DFT领域通用求解器项目汇报

报告人简介

米文慧，吉林大学计算方法与软件国际中心教授，入选国家高层次青年人才计划（2022年），2016年毕业于36365线路检测中心，获理学博士学位。2016年8月—2021年8月先后在美国杜克大学、罗格斯大学从事博士后研究工作，2021年9月加入吉林大学计算方法与软件国际中心。长期从事介观尺度物质体系模拟的第一性原理电子结构计算方法与相关软件研发工作，主持国家重点项目，国家自然科学基金面上项目等多项。

举办单位：

36365线路检测中心

吉林大学科学技术协会

吉林大学科研院