近日，学院“复杂系统与交叉科学应用”创新团队的博士生在三个CCF顶级会议上发表论文。

2022届博士生詹岭为第一作者的工作“Beyond Pairwise Connections: Extracting High-Order Functional Brain Network Structures under Global Constraints”发表于人工智能领域会议NeurIPS 2025（The Thirty-Ninth Annual Conference on Neural Information Processing Systems）。该论文针对脑科学中脑功能连接网络结构学习缺乏全局指导与多粒度建模的问题，提出了一种全局约束引导的端到端高阶脑网络结构学习框架，并首次提出了一个包含样本、被试、组和全体四个层级的多分辨率建模体系。该研究展示了脑科学问题与人工智能模型互为启发、深度适配的有机关系，深刻体现了“领域需求驱动算法创新，算法创新推动领域发展”的学科交叉特点。

2023届博士生柴齐森为第一作者的工作“Learning to Compress Graphs via Dual Agents for Consistent Topological Robustness Evaluation”被人工智能领域会议AAAI 2026（Association for the Advancement of Artificial Intelligence ）接收。该论文提出双智能体强化学习框架 Cutter，通过协同识别关键与冗余节点，在显著压缩图规模的同时精确保持原图在多类攻击下的鲁棒性退化特征。实验结果显示，即使在极端压缩条件下，Cutter 仍能高度复现原图的连通性下降曲线，为大规模复杂网络的高效、低成本鲁棒性评估提供了全新的技术路径。

2022届博士生王岩松为第一作者的工作“Generative Data Augmentation in Graph Contrastive Learning for Recommendation”发表于数据挖掘领域会议CIKM 2025（International Conference on Information and Knowledge Management, CIKM 2025）。该论文提出了GDA4Rec推荐框架，通过引入生成式模型替代传统的随机噪声扰动，实现了自适应且保持原始特征分布的数据增强。同时结合物品互补性挖掘，该方法有效增强了自监督信号，缓解了推荐系统中的数据稀疏与语义偏差问题。

左上：博士生王岩松在CIKM口头汇报工作。右上：GDA4Rec推荐框架。

左下：GCM脑网络结构学习框架。右下：Cutter双智能体强化学习框架。

NeurIPS（CCF-A类会议）是全球人工智能与机器学习领域的顶级会议，与ICML、ICLR并称为机器学习“三大顶会”。AAAI（CCF-A类会议）是全球人工智能领域历史最悠久、覆盖最广的综合性旗舰会议，以极高的审稿标准和全景式视野著称，今年的录取率仅为17.6%。CIKM（CCF-B类会议）与 KDD、SIGIR 并肩，是大数据与智能计算领域的重量级会议，作为连接前沿理论与数据智能应用的重要枢纽，在学术界与产业界均享有极高的声誉。

“复杂系统与交叉科学应用”创新团队自组建后坚持基础理论与应用场景并重。团队在深耕复杂网络重构、推断等核心问题的同时，将先进计算工具深度融入社交网络推荐、脑网络等前沿领域。这种“理论与应用互为驱动”的研究模式，在解决具体科学问题的同时，也在学科交叉领域取得了较好的人才培养和科学研究成效。

论文1链接：//openreview.net/forum?id=ybH0avRV4n

论文2链接：//arxiv.org/pdf/2511.18958

论文3链接：//dl.acm.org/doi/abs/10.1145/3746252.3761248

供稿：詹岭等

初审：杨靖欣

复审：王一晖

终审：刘作勋