会议时间：2022年5月4日（周三）15：00-17：00

参会人员：信息科学与工程学院科研团队全体教师

会议形式 : 线下主会场墨子楼二楼会议室，线上腾讯会议：785204494

会议简介：

报告1：人工智能技术在材料学中的应用

报告人：宋传东

报告时间：15:00-15:20

内容简介：介绍人工智能的新技术及神经网络在材料学中的主要应用，为继续深入人工智能材料学研究，拓展AI在机器视觉、运动检测等领域的实际应用提供指导意义。

报告2：量子机器学习

报告人：侯艳艳

报告时间：15:20-15:40

内容简介：量子机器学习是量子计算与机器学习结合的交叉学科，其主要借助量子计算的高并行性，实现进一步优化传统机器学习的目的。变分量子分类算法作为量子机器学习的一类重要算法，基本思路为将经典数据编码为量子态，采用参数化量子电路实现该问题的代价函数，并将代价函数的计算结果传递给经典优化器，通过多次优化得到最终的量子分类模型。该方向重点研究了如何采用不同的量子编码方案及参数化量子电路实现模型表达性、可训练性、鲁棒性的提高。

报告3：以传粉者为介导的草莓灰霉病的生物防治

报告人：陈文平

报告时间：15:40-16:00

内容简介：将传粉媒介作为载体携带（短梗酶），较好地抑制了草莓灰霉病的生长。将过程数据作为参考加入到传粉者的行为习性参数中，各种因素调整组合，以此提高开花季节的授粉效率并延长果实保质期。

报告4：基于图神经网络的多元时间序列异常检测

报告人：赵猛猛

报告时间：16:00-16:20

内容简介：结合结构学习和图神经网络对高维时间序列数据进行异常检测，并使用注意力权重为检测到的异常提供可解释性。提出的方法比基线方法可以更准确地检测异常，并允许用户推断检测到异常的根本原因。

报告5：目标检测算法之YOLO算法的框架及原理

报告人：黄婕

报告时间：16:20-16:40

内容简介：介绍目前主流的目标检测方法——YOLO算法，该算法用回归思想实现对实时对象的检测，将单个卷积神经网络(CNN)应用于整个图像，将图像分成多个网格，预测对象的边界框及所属类别概率，最后利用NMS进行筛选得到最终的结果。YOLO算法实现简单，速度快且泛化能力强，广泛应用于人脸检测、车辆检测、医学影像病灶检测等多个领域中。

报告6：面向跨模态检索的动态交互建模

报告人：刘丹丹

报告时间：16:40-17:00

内容简介：基于路由机制的新型模态交互建模网络，提出第一个面向图像-文本检索的统一动态多模态交互框架，解决了现有的交互模式严重依赖专家经验和经验反馈的问题。

科技处

信息科学与工程学院

2022年5月2日