近日，第34屆國際人工智能聯(lián)合會議（International Joint Conference on Artificial Intelligence, 簡稱為IJCAI）公布了論文錄用結(jié)果，信機學(xué)院趙勤課題組撰寫的論文“Wave-driven Graph Neural Networks with Energy Dynamics for Over-smoothing Mitigation”被會議錄用，2023級碩士研究生吳沛晗和青年教師祁宏達為共同第一作者，趙勤副教授為通訊作者，上海師范大學(xué)為唯一署名單位。

過平滑是圖神經(jīng)網(wǎng)絡(luò)中一個長期存在的挑戰(zhàn)，隨著網(wǎng)絡(luò)深度增加，節(jié)點嵌入會變得難以區(qū)分，從根本上限制了其在需要細粒度區(qū)分任務(wù)上的有效性。這一問題源于基于擴散的傳播機制，該機制會抑制對保持特征多樣性至關(guān)重要的高頻信息。

研究提出了一種波動驅(qū)動的圖神經(jīng)網(wǎng)絡(luò)框架，通過波動方程重新定義特征傳播。與擴散不同，波動方程結(jié)合了二階動力學(xué)，平衡平滑和振蕩行為以保留高頻分量，同時確保有效的信息流動。為增強波動方程在圖結(jié)構(gòu)上離散化的穩(wěn)定性和收斂性，研究引入了受動能與勢能動力學(xué)啟發(fā)的能量機制，通過平衡時間演化和結(jié)構(gòu)對齊來穩(wěn)定傳播。實驗表明，此框架實現(xiàn)了最先進的性能，有效緩解了過平滑問題，并支持構(gòu)建更深層、更具表達力的架構(gòu)。

IJCAI是人工智能領(lǐng)域歷史最悠久的學(xué)術(shù)會議，也是國際人工智能領(lǐng)域三大旗艦會議之一，被譽為“人工智能界的奧林匹克”，代表著國際人工智能研究的最高水平和發(fā)展方向。其論文錄用率為計算機頂級會議中最低，今年僅為19.3%。這是我校首次在IJCAI上發(fā)表論文，也標志著我校在人工智能領(lǐng)域研究取得突破性進展，得到了國際同行的認可。該項研究成果依托于我校的上海市科委上海智能教育大數(shù)據(jù)工程技術(shù)研究中心，得到了國家重點研發(fā)計劃（2022YFB4501704）、國家自然科學(xué)基金（61702333、62302308）等項目的資助。論文的發(fā)表也表明我校計算機學(xué)科和工程中心的科研水平在學(xué)校建設(shè)發(fā)展戰(zhàn)略指引下得到了顯著的提升。

（供稿、圖片：信機學(xué)院）