近日，广东省动力系统与神经系统交叉研究重点实验室在大湾区大学松山湖校区成功举办了一场聚焦神经动力学及相关主题的研讨会。本次活动吸引了多位业内专家学者参与，为该领域的学术交流与发展提供了重要平台。 此次研讨会意义非凡，不仅聚焦前沿学术话题，也是德国教授尤根·库思（Jürgen Kurths）担任实验室名誉主任的就职活动。Jürgen Kurths教授来自德国，任职于柏林洪堡大学物理系与波茨坦气候影响研究所，在相关领域有着深厚的学术造诣。   研讨会采用线上线下相结合的方式举行，共有三位老师进行了精彩的报告，分享各自的最新研究成果。         Jürgen Kurths教授带来了题为“具有时滞和噪声的神经网络中的部分同步（奇美拉）现象”的报告。他的研究揭示了部分时滞系统对神经元网络相位同步的显著影响，还发现小部分时滞概率对神经元网络相位同步有着特殊的影响，并且证明了可以通过施加小幅度外部电流来抑制异常同步，为控制或治疗癫痫发作提供了有效途径。         刘锐教授的报告主题为“复杂系统中临界状态的动力学驱动预警”，介绍了通过动力学驱动方法对高维动力系统未来状态进行预测、识别动态网络生物标志物等研究成果，为理解和预测复杂系统中的临界转变提供了新视角。   高婷教授则围绕“脑科学中的反问题和临界转变”展开，探讨了机器学习技术在神经科学问题中的应用，提出利用大偏差理论、最优控制等方法研究脑部疾病中的临界现象。   本次研讨会的成功举办，促进了动力系统与神经系统交叉领域的学术交流与合作，为该领域的未来发展注入了新的活力，也标志着广东省动力系统与神经系统交叉研究重点实验室在推动学术进步方面迈出了坚实的一步。    

近日，在大湾区大学（筹）化学产业教授李凯老师的热心引见下，广东省动力系统与神经系统交叉研究重点实验室主任段金桥教授对万孚公司东莞研发总部进行了一次参观访问。 万孚公司是AI医疗检测器械领域的重要企业，其产品畅销全国且在国际市场上颇具影响力，彰显出强劲的市场竞争力。该公司拥有一支800人的专业研发团队，以与高等院校、科研机构的产学研合作以及企业间的技术合作为支撑，持续推动行业技术的创新与发展。 在参观期间，段金桥教授详细了解了万孚公司在AI医疗检测器械方面的先进研发技术与产品线，并对其于医疗科技领域所取得的成就给予高度评价。同时，双方围绕潜在合作契机展开了深入研讨，在数据合作、AI算法、疾病预测以及共建博士后工作站这四个方面进行了深度交流与探讨。        此次参观与交流活动为广东省动力系统与神经系统交叉研究重点实验室与万孚公司的合作奠定了坚实的基础，有望开创产学研协同发展的新局面，为推动医疗科技的进步贡献重要力量。

近日，广东省动力系统与神经系统交叉研究重点实验室积极开展对外交流活动，在实验室主任段金桥教授的带领下，前往香港中文大学（深圳）的广东省大数据计算基础理论与方法重点实验室进行了一次交流访问。 此次交流访问于2025年1月10日在香港中文大学（深圳）道远楼105及校内其他相关地点举行。活动旨在学习先进的实验室管理经验以及促进开放课题的交流合作，助力本实验室的进一步发展与提升。   在交流过程中，首先由张纵辉教授对广东省大数据计算基础理论与方法重点实验室的介绍及交流分享，为广东省动力系统与神经系统交叉研究重点实验室的成员们提供了宝贵的经验借鉴。随后，实验室成员们参观了深圳市大数据研究院展厅，深入了解了大数据研究领域的前沿成果与应用。接着，大家又前往乐天楼实验室进行实地参观，进一步拓宽了研究视野。 通过此次交流访问，广东省动力系统与神经系统交叉研究重点实验室有望汲取先进的管理经验，在未来的科研工作中取得更大的突破与发展，为推动相关领域的研究进步贡献重要力量。  

2024年12月29日，广东省动力系统与神经系统交叉研究重点实验室迎来了本年度的最后一次线下重要研讨盛会。此次研讨会汇聚了实验室的核心力量，包括实验室主任段金桥教授、东莞市人民医院的陈仰昆主任、深圳大学的高毅教授和华中科技大学的高婷教授以及众多实验室成员，共同回顾2024年的研究历程，展望未来的科研方向。   在研讨会上，各位老师纷纷就自己的研究问题进展进行了详细报告。从基础理论的深度挖掘到临床应用的前沿探索，涵盖了动力系统与神经系统交叉领域的多个关键层面。会议对2024年的整体工作进行了全面总结。过去一年里，实验室在学术研究上成果丰硕，发表了一系列高质量的论文，同时，在人才培养方面也取得了显著成效，吸引了一批优秀的科研人才加入，壮大了研究队伍。         展望未来，与会成员对研究方向和内容进行了深入的细化。在动力系统理论创新方面，将进一步探索与神经系统的深度融合机制，力求构建更精准的数学模型；在医学应用领域，计划加强与各大医院的合作，开展多中心临床研究，为解决神经系统疾病的难题提供更有效的方案。 此次研讨会的成功举办，为广东省动力系统与神经系统交叉研究重点实验室在新的一年里的科研工作奠定了坚实的基础，明确了前进的方向。相信在全体成员的共同努力下，实验室将在未来的科研道路上不断取得新的突破，为推动学科发展和保障人民健康做出更大的贡献。

12月20日，微软亚洲研究院首席研究员陈卫博士受邀莅临大湾区大学，带来了一场题为“ALPINE: Unveiling The Planning Capability of Autoregressive Learning in Language Models”（揭示语言模型中自回归学习的规划能力）的讲座。 报告开始，陈卫博士指出，大型语言模型的核心机制是“下一个词的预测”。然而，这一低级机制如何产生高级的智能能力，一直是人工智能领域的一个谜团。为了解开这个谜团，ALPINE项目团队聚焦大型语言模型的规划能力，试图发现其内部机制。 陈卫博士介绍了规划作为一种普遍智能行为的重要性。从休闲旅游计划的制定，到工作任务的完成，再到机器人复杂任务序列的规划，规划能力在各个领域都发挥着重要作用。在数学推理中，规划能力则表现为确定证明定理的推理路径。 随后，他深入探讨了规划的核心——路径寻找。在许多场景中，规划的本质就是从起点找到一条到达目的地的有效路径。ALPINE项目团队将这一路径寻找问题抽象化，并研究Transformer结构如何通过学习来实现路径的寻找。通过理论分析和实证验证，发现Transformer能够学习到背景网络中的邻接信息和可达性信息，从而模仿人类智能进行路径规划。这一发现揭示了Transformer如何将低级的单词预测转化为高级的规划任务。同时，该研究也揭示了Transformer的一个重要局限，即它不具备传递性的能力。 在理论分析部分，团队构建了一个简化的Transformer模型，通过梯度下降算法训练，使其能够完成路径寻找任务。他们发现，Transformer模型中的权重矩阵能够编码邻接信息和观察到的可达性信息。为了验证理论分析的正确性，研究团队进行了大量的实验验证。他们生成了有向无环图（DAG），并随机生成边和可达对，然后训练Transformer模型进行路径规划。 报告最后，陈卫博士还展望了未来的研究方向，包括将研究扩展到超图和超路径、将抽象的路径寻找与具体的规划任务相结合、研究在不同图上训练并在新图上测试模型的上下文学习能力，以及探索回溯和思维链能力在规划中的应用等。 陈卫博士的到来，为大湾区大学的师生提供了一次宝贵的学术交流机会。湾大信息科学技术学院将继续秉持开放包容的学术精神，邀请更多知名学者来校交流，共同推动人工智能领域的繁荣发展。   专家简介 陈卫，微软亚洲研究院首席研究员，微软研究院理论中心主任，拥有清华大学学士和硕士学位，康奈尔大学计算机科学博士学位。他是清华大学、上海交通大学、香港科技大学（广州）和深圳大学等多所大学的客座教授，是电气和电子工程师协会（IEEE）的会士，同时是中国计算机联合会理论计算机科学技术委员会常务委员，CCF大数据技术委员会委员。他被爱思唯尔公认为“被引用最多的中国研究人员（2021-2023）”，并被斯坦福大学排名（2020-2024）列为全球前2%的科学家。 陈卫博士的主要研究兴趣包括在线学习和优化、社会和信息网络、网络博弈论和经济学、分布式计算和容错。2013年，他与人合著了一本英文专著，2020年，他独自撰写了一本中文专著，内容涉及社交网络中的信息和影响力传播。同时，他获得了多个最佳论文奖，包括2021年ICDM 10年最高影响力论文奖，以及2000年DSN论文研究的最佳论文William C.Carter奖。曾担任许多学术会议和期刊的编辑、学术会议主席和项目委员会成员。

12月13日，信息科学技术学院邀请到了美国南加州大学滕尚华教授，带来了一场题为“Regularization, Heuristics,Strategy: A Long Journey Towards Understanding a Few Fundamental yet Fuzzy Concepts in Computing”（正则化、启发式与策略：探索计算机科学中一些基础而模糊概念的漫长之旅）的专题讲座。 讲座伊始，滕尚华教授便强调了当今计算科学正处于一个巨变的时代，面临着前所未有的挑战和机遇。他指出，随着大数据时代的到来，计算问题的规模空前巨大，传统的算法和理论框架已经难以满足实际需求。因此，启发式方法作为一种在没有完整信息下仍能做出智能决策的必要手段，逐渐在计算科学中崭露头角。 在讲座中，滕教授详细阐述了启发式方法的定义和特性。他指出启发式方法是面对极大搜索空间时的一种必要方法，它们通常直观且有效。为了更深入地理解启发式方法，滕教授通过一系列实践中的启发式案例，如谱图划分和二分决策图等，向听众们展示了启发式方法在实际应用中的强大威力。 此外，滕教授还探讨了启发式方法背后的理论基础，以及如何通过实验工作来识别算法领域的重要新问题。他提到，发展预测算法和启发式方法在真实数据和真实计算机上性能的手段，是算法领域的一大挑战。同时，他也强调了平滑分析等方法在理解启发式方法性能方面的作用。 在讲座的后半部分，滕教授将话题转向了机器学习中的启发式方法，特别是正则化技术。他指出，正则化是机器学习中的核心方法，通过引入额外的约束或惩罚项来防止模型过拟合。他总结了启发式方法和策略在计算科学中的重要性，并鼓励听众在未来的研究中继续探索这一领域。 滕教授的讲座内容丰富、深入浅出，既有理论的高度，又紧密联系实际，让在场的师生受益匪浅。他鼓励大家，在面对计算机科学领域的未知与挑战时，要保持好奇心与探索精神，勇于跳出传统思维框架，不断追求新的理论突破与实践创新。本次讲座是对我校师生创新精神与实践能力的一次深刻启迪。   专家简介 滕尚华是南加州大学计算机科学与数学系教授、Seeley G.Mudd教授。他是SIAM、ACM和Alfred P.Sloan基金会的研究员，曾两次获得哥德尔奖，第一次是在2008年，因为开发了平滑分析，第二次是在2015年，因为设计了突破性的可扩展拉普拉斯求解器。西蒙斯基金会称他为“世界上最具原创性的理论计算机科学家之一”，并任命他为2014年西蒙斯研究员，以追求长期的好奇心驱动的基础研究。他还获得了2009年Fulkerson奖、2021年ACM STOC时间测试奖（用于平滑分析）、2022年ACM SIGecom时间测试奖项（用于解决计算纳什均衡的复杂性）和2011年ACM STOG最佳论文奖（用于改进最大流最小切割算法）。此外，他和合作者开发了第一个用于任意三维域的最优形状良好的Delaunay网格生成算法，解决了鲁棒统计中的Rousseuw-Hubert回归深度猜想，并解决了组合博弈论中关于Sprague-Grundy定理的两个长期存在的复杂性理论问题。他与施乐、美国国家航空航天局、英特尔、万国商业机器公司、阿卡迈和微软有行业合作，并在编译器优化、互联网技术和社交网络等领域获得了15项专利。

为了推动我国运筹优化教育的深入发展，培养更多高水平的运筹优化教学与研究人才，中国运筹学会教育普及委员会特此举办“道•立”课程品牌工程。本次培训专题为运筹优化，由著名专家张立卫教授和苏文藻教授担任主讲教师。 一、培训安排 培训时间：1月12日报到，1月13日至1月17日正式上课。 培训地点：大湾区大学（筹）松山湖校区（广东省东莞市松山湖大学路16号）。 招生人数：预计招收50人以内。 住宿安排：协助学员预订住宿，但费用自理。 推荐住宿酒店：松湖迎宾里酒店（东莞松山湖店）http://hotel1881213.round-world-trip.com/，房间费用参考（大床房450元/间；双床房450元/间）；丽枫酒店（东莞松山湖店）https://hotels.ctrip.com/hotels/59412627.html，房间费用参考（大床房288，双床房318）；以上价格报大湾区大学（筹）团队即可享受。 注册费：本次会议不收取注册费,培训期间提供午餐和晚餐。 二、培训内容 课程一：随机近似方法 主讲人：张立卫（东北大学） 本课程介绍经典的随机近似方法，结构凸优化的常用随机梯度算法以及随机凸优化的随机近似方法,侧重方法的理论分析，旨在帮助从事相关工作的年轻学者打下坚实的理论基础.课程具体内容包括: 1.经典随机近似方法 a.RobbinsMonro（1951）的随机近似方法 b.求解无约束随机优化问题的Robbins-Monro方法 c.PolyakJuditsky (1992)的平均化随机近似方法 2.随机梯度型方法 随机梯度方法，随机投影次梯度方法，随机投影梯度方法，随机加速邻近梯度方法，随机条件梯度方法，随机坐标下降方法 3.方差减少的随机优化方法 随机方差减少梯度方法(SVRG), 随机方差减少邻近梯度方法(prox-SVRG), 随机方差减少条件梯度方法 4.Nemirovski等（2009）的稳健随机近似方法 无约束凸随机优化以及简单约束凸-凹鞍点问题的的随机近似方法的迭代复杂性和高概率保证分析 课程二：锥线性优化导论 主讲人：苏文藻（香港中文大学） 本课程介绍锥线性优化的基本形式、几何性质、对偶理论和表达能力，并讨论锥线性优化在求解（分布）鲁棒优化、组合优化和二次约束二次优化等问题中的作用。通过本课程的学习，学生将深入了解锥线性优化的理论和应用，为从事相关研究打下坚实的基础。 课程内容包括： 1.锥线性优化基础 a.基本形式和几何性质 b.锥Farkas引理和锥对偶理论 2.锥表达能力 3.锥线性优化应用 a.（分布）鲁棒优化 b.组合优化，近似算法设计与分析  c.二次约束二次优化及其在信号处理、数据科学和机器学习等领域中的应用 三、报告人简介 张立卫，东北大学工业智能与系统优化国家级前沿科学中心教授。他于1989年，1992年，1998年分别在大连理工大学获得理学学士，硕士，博士学位，1999-2001在中科院计算数学所从事博士后工作。目前的研究兴趣是“矩阵优化”，“随机规划”和“均衡优化”。他目前主持一项国家重点研发计划课题和一项国家自然科学基金面上项目，完成面上基金多项,重点基金子课题两项。在国际顶级期刊Math. Programming, Operations Research, SIAM J. Optimization, Mathematics of Operations Research, Mathematics of Computation, Informs Journal on Computing 发表论文十多篇。曾任中国运筹学会常务理事,中国运筹学会数学规划分会副理事长，金融工程与金融风险管理分会副理事长。现任中国运筹学会监事会监事, 《APJOR》，《NACO》和《运筹学学报》编委。2020年获得中国运筹学会运筹研究奖。 苏文藻，香港中文大学研究生院院长、晨兴书院副院长及系统工程与工程管理学系教授，主要研究方向为数学优化理论及其在计算几何、机器学习、信号处理和统计等领域的应用。他于2023年当选IEEE（电机电子工程师学会）会士，2024年当选INFORMS（运筹学与管理学研究协会）高级会员及香港工程师学会会士。他曾获得多个研究和教学奖项，包括2024年INFORMS計算學會獎和《SIAM Review》SIGEST奖、2018年IEEE信号处理分会最佳论文奖、2015年IEEE信号处理分会《IEEE Signal Processing Magazine》最佳论文奖、2014年IEEE通信分会亚太杰出论文奖、2010年INFORMS优化学会青年奖、香港大学教育资助委员会2022年杰出教学奖、香港中文大学2022年博文教学奖、香港中文大学2013年校长模范教学奖等。他的学生也曾获得国内与国外的研究奖项。他现担任数学优化领域国际期刊《Journal of Global Optimization》、《Mathematical Programming》、《Mathematics of Operations Research》、《Open Journal of Mathematical Optimization》、《Optimization MethodsSoftware》和《SIAM Journal on Optimization》的编辑。他现为中国运筹学会数学规划分会副理事长和常务理事。 四、报名方式 请有意参加培训的学员，2024年12月20日之前，登录网站https://www.wjx.top/vm/tUbPfGN.aspx或者扫描下方的二维码，填写回执。录取结果将于2024年12月30日前通过邮件通知。 五、联系方式 联系人：易老师 Email：cinco@gbu.edu.cn  

近年来，人工智能赋能科学研究的”AI for Science”新范式蓬勃发展，然而人工智能在数学领域，特别是在定理证明方面仍充满挑战。传统上数学形式化和定理证明由数学家完成，但是这种方式需要花费大量时间和精力，并且存在人为疏漏和错误的风险。人工智能的发展给数学形式化和定理证明带来了新的机遇，比如Deepmind AlphaProof在测试2024国际数学奥林匹克竞赛题时可以达到银牌水平。 东莞市大湾区高等研究院智能计算研究中心将于2025年1月13日-1月19日开设数学形式化培训班，在全国范围内招收不超过30名优秀本科生。培训班旨在探索利用人工智能技术推动数学形式化和定理证明的发展，进一步提高定理证明的效率和准确性，帮助验证一些相关领域中关键定理证明。 培训班在北京大学文再文教授的指导下学习和推进数学优化方面的形式化证明。欢迎学有余力并对研究工作有兴趣的本科生报名参加！    一、报名条件： 1、学习成绩优秀、学有余力的本科生。 a)课程要求：数学分析、高等代数、泛函分析、数值分析、数值代数、最优化等基础课程成绩优秀。 b)具备一定编程基础，如能熟练运用Python编程，能够快速学习新的编程工具。 2、写作/阅读能力：中英文写作能力强，能熟练阅读英文文献 3、有充裕的时间和精力投入，积极参与交流讨论，听从导师与助教的安排和指导。   二、报名材料  1、本科阶段成绩单（学校教务部门出具）1份 2、报名表 下载附件：《报名表》   三、基本考评要求 完成Lean提供的mathematics_in_lean中课后练习题   四、报名方式 1、网上报名：点击网址：https://www.wjx.cn/vm/O6y8gGk.aspx# ，填写在线报名表。 2、 将成绩单和签字盖章的报名表按照以上顺序合并转成一个PDF文档，发送至邮箱：cinco@gbu.edu.cn，邮件主题命名格式为：学生姓名+学校名称。 （注：以邮件收到的成绩单等报名材料为准，仅在网上报名而不按照要求发送电子材料视为报名无效。） 3、报名截止日期为2024年12月23日。录取结果将于2024年12月30日前通过邮件通知。 4、本次课程无须缴纳学费，为非本地学员提供住宿（2人合住），为非本校学生提供培训期间用餐，交通等其他费用自理。   五、培训地点 大湾区大学（筹）松山湖校区（广东省东莞市松山湖大学路16号）   六、联系方式 联系人：易老师 Email：cinco@gbu.edu.cn