新闻速递

12月17—18日，2023年数据科学国际研讨会（MIIS 2023）在香港中文大学（深圳）举办。这一为期两天的年度盛会旨在集结全球数据科学领域的杰出科学家、研究人员和工程师，共同探讨信息科学和大数据领域的新思想、新理论、新技术以及新应用，推动数据科学理论和产业应用的高质量发展。

本次研讨会由深圳市大数据研究院主办，并得到香港中文大学（深圳）、深圳国际工业与应用数学中心、清华大学深圳国际研究生院、西安交通大学、西安电子科技大学、雷达信号处理全国重点实验室、深圳北理莫斯科大学、国家健康医疗大数据研究院（深圳）、深圳市大数据研究院无锡创新中心、广东省大数据计算基础理论与方法重点实验室的协办支持。

19位来自学界的顶尖数学及数据科学领域专家，包括陈志明、Yurii Nesterov、许进超、孙德锋、马毅、Takashi Tsuchiya等，受邀分享人工智能、机器学习、大语言模型、网络优化、科学计算等领域的最新科研成果，吸引了超过200名科学家、研究人员、工程师和学生的参与。

在开幕式上，香港中文大学（深圳）副校长、深圳市大数据研究院院长、中国工程院外籍院士罗智泉教授首先发表欢迎词。他表示，信息科学和相关技术的显著进步对各个领域产生了极为重要的影响。MIIS已举办十二年，一直致力于促进全球顶尖专家学者分享最新科研成果，推动共享前沿研究理念，以解决在信息和数据科学、大数据分析和人工智能方面的挑战。

在开幕式上，香港中文大学（深圳）副校长、深圳市大数据研究院院长、中国工程院外籍院士罗智泉教授首先发表欢迎词。他表示，信息科学和相关技术的显著进步对各个领域产生了极为重要的影响。MIIS已举办十二年，一直致力于促进全球顶尖专家学者分享最新科研成果，推动共享前沿研究理念，以解决在信息和数据科学、大数据分析和人工智能方面的挑战。

清华大学深圳国际研究生院数据与信息研究院院长、加拿大工程院院士张晓平教授随后致辞，他表示在过去的十余年里，MIIS会议已然成为数据科学领域的一盏灯塔，为国内外科学家、研究人员、工程师提供了一个重要的多元思想融合与碰撞的舞台。

深圳北理莫斯科大学党委书记朱迪俭强调，数据科学正成为全球科技创新和社会发展的关键推动力，MIIS会议将推动学科交流与合作，为数据科学领域的发展注入新的活力。

MIIS会议大会主席、深圳国际工业与应用数学中心执行主任王筱平教授表示，MIIS会议促使与会者深入思考人工智能时代面临的前沿数据科学问题，并对会议对人工智能、数据科学等技术的推进作用给予了热切展望。

论坛正式开场，世界顶尖科学家协会奖“智能科学或数学奖”获得者Yurii Nesterov教授分享了题为《优化: 人工智能背后的科学》的报告，详细介绍了优化理论与方法在人工智能技术的发展中和在计算数学领域中的应用。

香港数学学会会长、香港理工大学孙德锋教授以《非光滑分析与稀疏优化》为题，阐述了非光滑分析对于大规模稀疏优化的重要性，并介绍了如何利用非光滑分析设计高效的算法，以此求解大规模机器学习模型。

香港大学计算机系主任马毅教授以《人工智能的过去现在和未来：从不透明到透明，从开环到闭环》为题，为过去十年人工智能的实践梳理了一个更系统、更基本的视角。他表示，优化将为基于深度网络的人工智能的实现与应用提供一个统一的明确解释，包括卷积神经网络（CNNs）、残差网络（ResNets）和变换器（Transformers）。

国际计算数学领域权威学者、沙特阿卜杜拉国王科技大学许进超教授以《解读机器学习中的维度灾难》为题，通过深刻的理论分析结果来澄清并解释了机器学习中高维问题的常见误解。

新加坡国立大学Massimo Alioto教授以《万亿级别以上智能互联系统的绿色技术 - 无需万亿电池》为题，基于大规模电池使用对经济及环境可持续发展的负面影响，分享了一种从感知、计算到无电池（或任何其他能量存储）的无线通信新型硅系统。

深圳市大数据研究院政务与法治大数据实验室主任官永涛教授以《群组网络Hawkes过程》为题，介绍了一个网络结构被观察和固定的群组网络Hawkes过程（GNHP）模型，以刻画个体在网络中的动态交互过程。

香港中文大学Raymond  Yeung教授以《熵不等式的机器证明》为题，概述了过去25年熵不等式的机器证明的发展，并提出熵函数的几何框架，进而对于熵函数约束存在与否的不同条件，讨论如何构造相应的熵不等式。

中科院数学与系统科学研究院刘歆教授以《约束消解：黎曼优化中的强大工具》为题，提出了一类黎曼流形优化问题中的约束消解方法，能够将黎曼优化问题转化为相应约束消解函数的无约束优化化问题。

中国科学院数学与系统科学研究院刘亚锋教授以《大规模MIMO中的1比特预编码：算法设计与性能分析》为题，介绍了一些关于1比特预编码的最新结果，针对非线性和线性化预编码方案中的预编码问题，引入了一种新的负l1正则化方法。

中国科学院院士、中国科学院数学与系统科学研究院研究员陈志明教授以《任意形状区域的自动网格生成与任意高阶有限元方法》为题，介绍了在笛卡尔网格上具有悬垂节点的椭圆界面问题的高阶非匹配有限元方法，并且提供了一种自然的高阶格式设计框架，无需借助非线性元变换。

沙特阿卜杜拉国王科技大学学计算机、电子、数学科学和工程学部Gabriel Wittum教授以《用于科学和工程过程模拟的并行自适应多重网格方法》为题，基于大规模数值模拟的需求，介绍了基本的模拟策略，如适应性、并行和多重网格求解器，同时展示了这种策略在各种应用中的性能和效率。

深圳市大数据研究院首席科学家、新加坡工程院院士李海洲教授以《大语言模型与语言学》为题，从历史和理论的角度讨论大语言模型的发展，讨论其是否能够解决语言学问题，并展示了深圳市大数据研究院和香港中文大学（深圳）进行的GPT研究的最新进展。

复旦大学计算机科学技术学院邱锡鹏教授以《大语言模型的科学挑战》为题，阐述了大语言模型与模型架构、推理能力、联想能力和可解释性等相关的问题，并针对未来的研究方向提出了一些前瞻性的观点。

法兰克福高等研究院（FIAS）Jan Steinheimer-Froschauer教授以《大数据与人工智能在探索宇宙和物质中的应用》为题，介绍了德国科学家在宇宙和物质的基础研究领域采用的新战略，以此开发新的信息技术和大数据分析方法。同时，他还展示了在FIAS和Xidian-FIAS联合研究中心进行的跨学科研究的一些结果。

香港科技大学杨海教授以《数学、经济学和人工智能在按需出行服务中的应用》为题，探讨即时乘车市场中的最新发展和目前研究的问题，并介绍竞争、第三方平台集成、Pareto意义下有效的市场监管，以及使用大规模车辆轨迹数据分析人类迁移和网络属性等。

沙特阿卜杜拉国王科技大学计算机、电子和数学科学与工程学院（CEMSE, KAUST）院长Gianluca Setti教授以《TinyML技术：从经典切割方法到DNN的新神经元范式》为题，介绍了一种基于乘法-最大/最小（MAM）映射-归约范式的新型神经元结构，并展示通过利用这种新范式，可以构建自然且具有竞争力的切割的DNN层，其性能损失可以忽略不计。

政策研究大学院大学（GRIPS）Takashi Tsuchiya教授以《具有非零对偶差距的奇异半定规划的摄动分析和算法》为题，基于可能存在非零对偶差距的奇异半定规化问题，通过摄动分析揭示了原始问题和对偶问题之间隐藏的连续性结构。

柏林Zuse研究所（ZIB）Ambros Gleixner教授以《无数值误差混合整数规划的可验证优化》为题，介绍了在高性能混合整数规划求解器的最新进展。该求解器不仅不受舍入误差的影响，而且还能够独立于求解过程来验证最优性条件。同时他还提出了一个新的分析框架，用于验证基于最优性系统构造的求解器的准确性。

深圳市大数据研究院大数据通用软件与技术研究所所长罗效东教授以《求解器技术及其应用》为题，展示了在求解器开发领域所做的一些工作，并通过介绍航空业、制药、物流等行业中的实例来说明这些技术融合应用的重要性。