梁磊

蚂蚁集团 技术总监 资深技术专家

个人介绍：梁磊，蚂蚁集团知识引擎负责人，OpenSPG社区创始人，OpenKG TOC专家。个人主要技术方向为知识图谱、搜索引擎及AI工程等。 从2018年底开始从零到一基于蚂蚁多样化的业务场景构建了企业级知识图谱平台并开源了OpenSPG图谱引擎，平台累计提报专利140余项，软件著作权10余项，主导项目先后获得BU总裁特别奖、数据科学奖、优秀科技成果、金融科技创新奖等，目前在积极推进大模型与知识双驱框架OpenSPG/KAG及应用落地。

黄文炳

中国人民大学 助理教授、博导

个人介绍：中国人民大学高瓴人工智能学院助理教授、博导。曾在清华大学智能产业研究院担任助理研究员，腾讯AI Lab担任高级研究员。研究方向包括几何机器学习理论方法，及其在智能药物发现、物理场景理解与生成、智能体感知与决策等跨领域任务上的应用。代表性工作包括：训练深度图神经网络的方法DropEdge；面向大规模图的图神经网络高效训练方法AS-GCN；针对抗体生成的多通道等变注意力网络MEAN。曾获ICLR 2023 杰出论文提名奖，NeurIPS 2022 Open Catalyst 比赛冠军、IROS 2020 OCRTOC 机器人比赛季军、腾讯犀牛鸟专项研究卓越奖、NeurIPS Outstanding Reviewer等奖项。

演讲题目：面向物理空间的几何图神经网络设计

演讲提纲：物理世界中的分子、蛋白质、晶体、宏观物理系统等，均具有特定的空间几何结构，构成了一类重要的数据形态——几何图。与社交网络中的拓扑图不同，几何图中的节点占据了一定的空间位置，需要满足某些内蕴的物理性质，比如对称性，导致传统的图神经网络难以处理几何图。近年来，等变图神经网络由于有效嵌入了对称性，具有良好的解释性、泛化性和通用性，在分子系统表示上得到了广泛应用。本报告将梳理等变图神经网络的发展概况，并且介绍课题组近期在分子动力学模拟、小分子生成、抗体设计与优化、多物体交互、智能体行为控制等重要任务上的应用情况。

听众收益：

1.了解几何图、几何图神经网络的基本概念和典型模型；

2.了解几何图神经网络在AI for Science和具身智能等跨领域任务上的应用。

张子威

清华大学 博士后/助理研究员

个人介绍：张子威，现为清华大学计算机系博士后，本科毕业于清华大学数理基科班，博士毕业于清华大学计算机系。主要研究方向为图机器学习，包括图表征学习、图神经网络、自动图学习等。在国际顶级会议与期刊发表论文30余篇，谷歌学术引用超过3000次。曾入选博士后创新人才支持计划，获得吴文俊人工智能优秀博士学位论文提名、清华大学优秀博士毕业生、百度AI华人新星百强榜单、AI 2000学者榜单等。

演讲题目：自动图机器学习

演讲提纲：

图神经网络已成为图机器学习的最有效范式。自动图机器学习，旨在利用自动机器学习（AutoML）技术自动化图神经网络的模型设计，近年来取得了关注，并显著增强了图神经网络处理不同图数据与图任务的自适应能力。本次报告将会分享我们在自动图机器学习，特别是图神经架构搜索（Graph Neural Architecture Search）上的一些近期工作，包括：

1. 图结构感知与针对动态异构图的图神经架构搜索，以有效建模图结构

2. 超大规模图神经架构搜索，将单机可处理图数据规模提升至亿级

3. 分布外泛化和对抗鲁棒的图神经架构搜索，增强图神经网络的自适应能力

4. 首个自动图学习开源工具包 AutoGL 和图神经架构搜索基准测试集 NAS-Bench-Graph

听众收益：

1. 如何自动设计最优的图神经网络模型？

2. 如何单机上进行亿规模图的架构搜索？

3. 如何用10行代码实现图自动机器学习？