AI未来 || 人工智能驱动的科学研究(AI for Science)分论坛预告

多客科技

作者：清华自动化研究生


人工智能驱动的科学研究（AI for Science）

分论坛预告

- 第六届北京高校人工智能学术论坛

暨清华大学第739期博士生学术论坛 -





分论坛简介

/ INTRODUCTION

为促进北京高校学生之间的学术交流与经验分享，集中展示北京高校学生在人工智能领域的科技创新成果，北京高校人工智能联盟定于2024年4月20日至4月21日在北京中关村皇冠假日酒店召开“AI未来—第六届北京高校人工智能学术论坛”，诚邀大家参加4月21日下午14:00-17:00举行的人工智能驱动的科学研究（AI for Science）分论坛。

该分论坛由北京邮电大学计算机学院（国家示范性软件学院）研究生会负责承办，共计邀请人工智能交叉研究方向的3位知名学者、6位学生参与汇报，同时将展示5张学术海报。以下对分论坛内容进行简单介绍。

1

专家学者报告



1

于国强

清华大学自动化系

清华大学自动化系长聘教授，清华-IDG麦戈文脑科学研究院研究员，教育部"长江学者"

于国强，清华大学自动化系长聘教授，清华-IDG麦戈文脑科学研究院研究员，教育部"长江学者"，BMC Bioinformatics和Bioinformatics Advances等国际期刊副编辑，中国生物信息学学会（筹）生物医学影像信息学专委会主任。研究方向为人工智能，机器学习，计算优化技术和生物医学影像信息学及其在生物医学问题中的应用。任职清华前，曾任美国弗吉尼亚理工大学（Virginia Tech）电子与计算机工程系终身教授。曾获得美国国家自然科学基金的青年成就奖（NSF CAREER Award），Neuron和BIBM等多家期刊会议最佳论文奖，弗吉尼亚理工大学杰出教师奖和突出研究成果奖。是美国NIH脑计划联盟和数据科学联盟核心成员，曾担任美国NIH和NSF资助的R01和U19系列等5项科研项目首席科学家。在国际著名期刊Nature Medicine，Nature Neuroscience，Science Translational Medicine，Neuron, IEEE PAMI以及国际顶级学术会议NeurIPS，ICML等发表论文逾百篇。



报告题目

Machine Learning to Quantify Brain Activity from Astrocyte Imaging Data



报告摘要

Recent studies have suggested that astrocytes exert proactive regulatory effects on brain information processing and that they are deeply involved in normal brain development and disease pathology. Recording astrocyte activity is now technically feasible, due to recent advances in modern microscopy and ultrasensitive cell-type specific genetically encoded Ca2+ indicators for long-time imaging. However, there is a big gap between generating the data and extracting information from the data. In this talk, I will discuss our recent work on applying machine learning theory and techniques to flexibly and accurately quantify the astrocyte activity from the time-lapse fluorescent imaging data. I will also show how the astrocyte activity analysis is a booming research area and how the problem can serve as a motivating example for generic algorithm development.

2

鄂海红

北京邮电大学计算机学院（国家示范性软件学院）

北京邮电大学计算机学院教授，教育部信息网络工程研究中心副主任

鄂海红，北京邮电大学教授，博士生导师，教育部信息网络工程研究中心副主任，中国科学技术情报学会科研诚信建设工作委员会副主任委员，中国计算机学会数据治理发展委员会执行委员。主要研究知识图谱与大模型协同的数据要素治理和复杂推理决策。累计主持国家重点研发计划课题、国家自然科学基金项目以及省部级课题、企事业合作项目30余项。累计发表EI/SCI高水平学术论文100余篇，获国家发明专利授权81项，专利许可实施21项。科技创新成果已在医疗健康、科技服务、金融、政务等多个行业实现规模化商用，超关系层次化知识图谱构建、推理与问答技术在多家医院临床决策支持系统（CDSS）落地应用，获聘北京市昌平区首批“科技副总”，荣获中国商业联合会中国服务业创新奖特等奖，教育部高等学校科学研究优秀成果奖进步奖二等奖，中国计算机学会科技成果奖技术发明一等奖，中国通信标准化协会科学技术奖三等奖。



报告题目

大模型时代知识图谱赋能高血压智能诊疗实践



报告摘要

数据是信息的来源，信息是知识的载体，知识是智能的根本。大模型时代，知识图谱与大模型的互补融合为解决垂直领域复杂决策问题打开了新的思路，为垂域AI的实现提供了更好的智能基座。本报告介绍了知识图谱构建、推理与问答技术在高血压智能诊疗场景的一些探索与实践，首先以精准用药决策问题为例阐明了高血压诊疗的本质是基于知识的复杂决策任务，并介绍了当前医学与通用大模型在该问题上的局限与不足。然后从知识图谱建模、推理与问答三个方面递进讲解超关系层次化知识建模、神经符号精准推理与大模型驱动的可解释智能问答相关工作，有效提升高血压智能诊疗的科学性、精准性与可解释性。最后，介绍了相关技术在临床决策支持系统（CDSS）等场景的落地应用情况，并探讨LLM+KG在知识图谱构建、推理与问答方向的可能路径。

3

任鹏飞

北京邮电大学计算机学院（国家示范性软件学院）

北京邮电大学A类博士后研究员、中国电子教育学会优秀博士学位论文获得者、AAAI杰出论文奖获得者

任鹏飞，博士毕业于北京邮电大学计算机科学与技术专业，获中国电子教育学会优秀博士学位论文奖，现北京邮电大学A类博士后研究员。长期从事计算机视觉、姿态估计、行为识别等领域的研究工作。在CVPR、ICCV、ECCV、AAAI、TIP、TCYB、TCSVT等高水平国际会议和期刊发表学术论文20余篇，第一作者或共同一作发表论文12篇，其中CCF-A类论文7篇，CCF-B类论文2篇，中科院一区论文1篇。第一作者论文获人工智能领域顶级会议AAAI 2023杰出论文奖（Distinguished Paper Award），第一作者论文获选计算机视觉会议ICCV口头报告（Oral）。多次担任CVPR, ICCV, ECCV, TPAMI, TIP等顶级国际会议和期刊审稿人。



报告题目

通用物体关键点追踪和行为识别



报告摘要

定位物体关键点并进行追踪是计算机视觉中的一个基本问题，对于许多下游任务来说是必需的。然而，现有关键点定位方法大都针对于特定类别，比如人体、人手等，无法估计和追踪未见过类别的关键点。对于新类别，往往需要设计新的网络架构并收集大量标注数据进行训练。通用物体关键点追踪旨在基于少量示例进行全新类别目标的关键点追踪，对于基于动物的行为分析和情绪识别等有重要意义。

2

  学生报告



1

王昱灵

清华大学自动化系

清华大学自动化系成像与智能技术实验室硕士研究生，主要研究方向为计算成像和计算神经生物学。



报告题目

Prominent involvement of acetylcholine in shaping stable olfactory representation across the Drosophila brain



报告摘要

Despite the vital role of neuromodulation in the neural system, the specific spatiotemporal dynamics of neuromodulators and their interactions with neuronal activities in vivo are still unclear, hampering our understanding of their information representation and functional contributions systemically. To address this problem, we employed two-photon synthetic aperture microscopy (2pSAM) to record long-term neuronal and neuromodulatory olfactory responses across the Drosophila brain at high speed. Our results revealed distinct response properties, global information propagation, functional connectivity, and odor identity representation among neuronal, cholinergic, and serotoninergic dynamics across multiple brain regions. We discovered the compensation between neuronal activity and cholinergic dynamics, both in the odor identity representation across the brain and the functional connectivity network structures of specific brain regions. Moreover, employing low-dimensional manifold and functional connectivity network analyses, we characterized the stable representation of cholinergic dynamics over a long term. Collectively, our unbiased and comprehensive investigation unveiled the prominent involvement of acetylcholine (ACh) in shaping olfactory representation across the brain, underscoring the inadequacy of solely considering neuronal activities when examining information representation of the brain.

2

刘旋

华中科技大学/中国科学院深圳先进技术研究院

刘旋，男，目前正在华中科技大学人工智能与自动化学院攻读博士学位。此前，他于2019年本科毕业于华中科技大学自动化专业，获得工程学士学位。他的研究兴趣包括医学图像处理、深度学习、图像逆问题等，尤其关注生成模型在CT重建中的应用。



报告题目

基于扩散模型先验的无监督CT金属伪影去除



报告摘要

在CT扫描中，牙科填充物、外科固定器械等金属植入物会在成像过程中产生明显的金属伪影。这些伪影是由于金属物对X射线的高度吸收造成的，导致图像重建时出现失真和条纹，从而影响诊断和治疗的精度和安全性。近年来，许多基于监督深度学习的方法被提出用于金属伪影去除。然而，这些方法在很大程度上依赖使用成对的模拟数据进行训练，而这种数据往往难以获取。在该研究中，团队提出了一种基于扩散先验模型的无监督CT金属伪影去除方法。扩散先验模型是一种具有数据分布表示能力的生成模型，研究人员首先使用不含金属伪影的CT图像训练扩散先验模型，随后，在投影域和图像域中迭代引入扩散先验模型，以恢复由金属伪影引起的退化部分。该方法在性能上胜过现有的无监督金属伪影去除方法。

3

胡修远

清华大学

胡修远，清华大学电子工程系直博二年级，研究方向为机器学习辅助药物研发。主页https://hxyfighter.github.io/



报告题目

基于多GPT智能体强化学习的全新药物分子设计



报告摘要

全新药物分子设计是药物研发领域的核心问题，也是AI for Science领域的新研究热点。全新药物分子设计的核心挑战是生成一组具有理想的性质且多样的候选药物分子。虽然包括transformer模型和强化学习在内的先进机器学习技术已经被应用于药物设计，但它们的潜力还没有被完全挖掘，尤其是现有算法生成分子的多样性普遍不足。因此，我们提出了MolRL-MGPT，一个具有多个GPT智能体的强化学习框架来解决药物分子生成问题。为了提高分子多样性，我们通过loss函数的设计来鼓励agents合作地沿着不同方向搜索具有理想性质的分子。我们的算法在GuacaMol基准上的表现领先于现有的其他算法，并且在针对新冠病毒蛋白质靶点的抑制剂设计任务中展示了其实用性。本论文已发表于NeurIPS 2023。

4

张晓藤

清华大学自动化系

清华大学自动化系博士生，研究方向为鸟类视觉系统启发的类脑视觉算法。通过研究鸟类的优势视觉机制，例如运动感知、显著性计算、细节分辨等，建模神经机制并将其应用于计算机视觉算法中，提高算法在具体应用中的性能。



报告题目

TSOM: Small Object Motion Detection Neural Network Inspired by Avian Visual Circuit



报告摘要

Detecting small moving objects in complex backgrounds from an overhead perspective is a highly challenging task for machine vision systems. As an inspiration from nature, the avian visual system is capable of processing motion information in various complex aerial scenes, and its Retina-OT-Rt visual circuit is highly sensitive to capturing the motion information of small objects from high altitudes. However, more needs to be done on small object motion detection algorithms based on the avian visual system. In this paper, we conducted mathematical modeling based on extensive studies of the biological mechanisms of the Retina-OT-Rt visual circuit. Based on this, we proposed a novel tectum small object motion detection neural network (TSOM). The neural network includes the retina, SGC dendritic, SGC Soma, and Rt layers, each layer corresponding to neurons in the visual pathway. The Retina layer is responsible for accurately projecting input content, the SGC dendritic layer perceives and encodes spatial-temporal information, the SGC Soma layer computes complex motion information and extracts small objects, and the Rt layer integrates and decodes motion information from multiple directions to determine the position of small objects. Extensive experiments on pigeon neurophysiological experiments and image sequence data showed that the TSOM is biologically interpretable and effective in extracting reliable small object motion features from complex high-altitude backgrounds.

5

汤奕

北京大学医学部医学技术研究院

北京大学医学部医学技术研究院医学影像技术专业硕士研究生，研究方向为脑与智能医学成像技术。



报告题目

A Deep-Learning-based Pipeline for Weakly Supervised Glioma Whole-Slide-level Analysis



报告摘要

为了最大限度地利用临床中易于获得的病理全切片WSI级别标签，并改善弱监督模型不适用于亚型的情况，我们提出了一种基于注意力多实例学习的模型来诊断和可视化胶质瘤病理WSI图像的热图。实验验证了所提出的弱监督模型的优良性能，为在临床实践中为协助医生诊断胶质瘤和病理定位提供有效帮助。

6

陈天竹

北京中医药大学东直门医院

北京中医药大学第一临床医学院2022级博士生，中医内科学专业，主要研究方向：中医药防治脑病。



报告题目

Bilateral effect of acupuncture on cerebrum and cerebellum in ischaemic stroke patients with hemiparesis: a randomised clinical and neuroimaging trial



报告摘要

Acupuncture involving the limbs region may be effective for stroke rehabilitation clinically, however, high-quality acupuncture trials and further mechanistic investigations are required to enrich pragmatic outcomes and explanatory modification for post stroke rehabilitation, so as to enhance the importance and applicability of acupuncture in healthcare decision-making. We enrolled ischaemic stroke patients with hemiparesis, matched with healthy controls according to age and gender. Standardised acupuncture with non-acupoint acupuncture controlled and per-protocol analysis of clinical and neuroimaging were conducted to assess the specific effects of acupuncture, and investigate its therapy-driven modification in functional connectivity. Our study demonstrated acupuncture could promote the motor recovery and modified cerebro-cerebellar VMHC via bilateral static-and-dynamic reorganizations for ischaemic stroke patients with hemiparesis.

3

  分论坛海报





01

李华洋



作者单位：中国石油大学(北京)石油工程学院，中国石油大学(北京)油气资源与探测国家重点实验室，中国科学院武汉岩土力学研究所岩土力学与工程国家重点实验室

Poster题目：A Comprehensive Prediction Method for Pore Pressure in Abnormally High-Pressure Blocks Based on Machine Learning



02

刘淦，胡启帆，彭曙光，宁辉，古槿，谢震



作者单位：清华大学自动化系

Poster题目：The spatial and single-cell analysis reveals remodeled immune microenvironment induced by synthetic oncolytic adenovirus treatment



03

李尹硕，陆文凯



作者单位：清华大学自动化系

Poster题目：物理信息约束的闭环自监督重磁联合反演



04

尚宏宇、高再红



作者单位：上海瀚桥专利代理事务所、中国传媒大学

Poster题目：专利视角下的脑机接口技术竞争与发展态势



05

王效涛，宗雨薇，周烜杰，许黎，何为，全舒



作者单位：生物反应器工程国家重点实验室，华东理工大学信息科学与工程学院，上海交通大学张江高等研究院

Poster题目：人工智能驱动的微生物最适生长温度数据库构建及其在酶最适温度预测中的应用



北京高校人工智能联盟

/  AIABU  /

主办单位

清华大学自动化系研究生会

中国科学院自动化研究所研究生会

承办单位

中国科学院计算技术研究所研究生会

中国科学院软件研究所研究生会

北京大学软件与微电子学院研究生会

北京大学智能学院研究生会

中国科学院大学人工智能学院学生会

北京航空航天大学自动化科学与电气工程学院研究生会

北京理工大学自动化学院研究生会

北京邮电大学计算机学院（国家示范性软件学院）研究生会

北京交通大学电子信息工程学院研究生会

北京科技大学智能科学与技术学院研究生会

特别鸣谢



审核 | 李晨曦 刘泽垣