近日，北京工業(yè)大學(xué)計(jì)算機(jī)學(xué)院再傳捷報(bào)。計(jì)算機(jī)科學(xué)與技術(shù)系劉金鐸、冀俊忠教授團(tuán)隊(duì)和馬偉教授團(tuán)隊(duì)三篇論文分別被第42屆國際機(jī)器學(xué)習(xí)大會(huì)（ICML 2025）和第34屆國際人工智能聯(lián)合會(huì)議（IJCAI 2025）錄用。論文第一作者分別為計(jì)算機(jī)學(xué)院碩士研究生余旻祺、翟繼豪、張思源。

論文“Causal Invariance-aware Augmentation for Brain Graph Contrastive Learning”發(fā)表于ICML2025，聚焦于腦圖分析中的數(shù)據(jù)分布偏移問題?，F(xiàn)有方法在面對多站點(diǎn)數(shù)據(jù)時(shí)難以捕捉局部關(guān)鍵特征，泛化能力受限，影響疾病識別效果。對此，論文提出了一種基于因果不變性增強(qiáng)的腦圖對比學(xué)習(xí)方法。該方法首先采用因果解耦的方式識別出一個(gè)可學(xué)習(xí)的腦部關(guān)鍵子圖，并通過不變學(xué)習(xí)捕捉與標(biāo)簽最相關(guān)的不變信息；接著圍繞不變子圖，針對腦數(shù)據(jù)特點(diǎn)設(shè)計(jì)一種新的不變性感知的增強(qiáng)策略，以生成增強(qiáng)樣本提升腦圖對比學(xué)習(xí)效果；最終利用不變子圖進(jìn)行腦疾病分類，有效緩解分布偏移情況，識別關(guān)鍵的局部圖結(jié)構(gòu)，從而增強(qiáng)模型的可解釋性。在多個(gè)真實(shí)腦疾病數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，該方法取得領(lǐng)先性能，并具備較強(qiáng)的跨站點(diǎn)泛化能力與良好的可解釋性。

論文“Inferring Causal Protein Signaling Networks with Reinforcement Learning via Artificial Bee Colony Neural Architecture Search”發(fā)表于IJCAI2025，聚焦于因果蛋白質(zhì)信號網(wǎng)絡(luò)推斷問題。傳統(tǒng)的機(jī)器學(xué)習(xí)方法不能充分提取深層復(fù)雜因果關(guān)系，現(xiàn)有深度學(xué)習(xí)模型雖然無此缺陷但模型具有大量超參數(shù)，導(dǎo)致最優(yōu)模型架構(gòu)難以確定，模型性能受到制約。針對上述問題，論文提出了一種基于人工蜂群神經(jīng)架構(gòu)搜索的因果蛋白質(zhì)信號網(wǎng)絡(luò)強(qiáng)化學(xué)習(xí)方法。該方法基于神經(jīng)架構(gòu)搜索的思想，首先通過人工蜂群算法和交叉熵?fù)p失函數(shù)自動(dòng)搜索演員-評論家強(qiáng)化學(xué)習(xí)模型的最優(yōu)超參數(shù)以確定模型架構(gòu)，然后通過設(shè)計(jì)演員-評論家強(qiáng)化學(xué)習(xí)模型從單細(xì)胞數(shù)據(jù)中推斷最優(yōu)的因果蛋白質(zhì)信號網(wǎng)絡(luò)。在多個(gè)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，該方法比現(xiàn)有方法具有更好的推斷性能，對于深入理解生物系統(tǒng)中蛋白質(zhì)間的因果關(guān)系具有重要意義。

論文“Training-free Fourier Phase Diffusion for Style Transfer”發(fā)表于IJCAI 2025，展示了基于擴(kuò)散模型的風(fēng)格遷移領(lǐng)域的最新研究成果。針對以往基于擴(kuò)散模型的風(fēng)格遷移方法在內(nèi)容保持方面的不足，論文創(chuàng)新性地將內(nèi)容圖像的傅里葉域相位譜引入到擴(kuò)散模型的生成過程中，以增強(qiáng)內(nèi)容的可控性。團(tuán)隊(duì)設(shè)計(jì)了一種相位譜融合方法，并探討了引入相位譜的最佳方式。該框架無需對擴(kuò)散模型進(jìn)行訓(xùn)練，能夠在保持原始圖像內(nèi)容的基礎(chǔ)上實(shí)現(xiàn)用戶期望的風(fēng)格化效果，并在多個(gè)指標(biāo)上優(yōu)于現(xiàn)有的風(fēng)格遷移技術(shù)。

ICML與IJCAI均為CCF-A類推薦會(huì)議，具有較高的國際影響力。計(jì)算機(jī)學(xué)院的研究成果被錄用，充分展示了學(xué)院在相關(guān)領(lǐng)域的研究水平和實(shí)力。入選論文師生表示，將以此為契機(jī)加大科技攻關(guān)力度，為推動(dòng)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)科的發(fā)展作出積極貢獻(xiàn)。