题目： 图神经网络学习机理初探
报告地点：计算机楼313报告厅，7月1号下午2:30-4:00
摘要：近些年，研究者开始将神经网络应用到图数据，催生了图神经网络的研究热潮。大部分图神经网络等价于低通滤波器，通过沿着网络结构聚合邻居节点的特征信息，实现网络结构和属性信息的有效聚合。本报告将探索图神经网络的关键操作（如聚合机制、消息传播机制、低通滤波）的作用，提出一些新颖的图神经网络模型。
个人介绍：石川 北京邮电大学计算机学院教授、博士研究生导师、智能通信软件与多媒体北京市重点实验室副主任。主要研究方向: 数据挖掘、机器学习、人工智能和大数据分析。近5年以第一作者或通讯作者在CCF A/B类期刊和会议发表论文60余篇，英文专著一部，申请专利30余项，相关研究成果应用于阿里巴巴、腾讯、华为、美团等公司。获得ADMA2011/ AMDA2018国际会议最佳论文奖。研究成果获得省部级奖励5项，包括北京市/CCF科学技术奖自然科学二等奖（排名第一）和吴文俊人工智能科技进步一等奖（排名第三），获得北京市高等学校青年英才和师德先锋等称号。
题目：基于图神经网络的药物重定位预测技术研究
报告时间：计算机楼313报告厅，2021年7月1号16:00-17:00
摘要：传统药物研发存在周期漫长、耗资巨大，且风险较高的问题，导致新药研发成功率较低。药物重定位指通过各项技术对已有药物预测其新的适应症，可用于缩短药物研发过程，并降低研发成本和风险。图神经网络是机器学习中赤手可热的研究方向之一，已成功地应用到图像识别、自然语言处理、推荐系统等多个领域。由于药物分子可自然地以图的形式表示，催生了图神经网络在生物信息学中的研究热潮。本报告将介绍基于图神经网络在药物重定位中多个任务的预测技术研究，从而为大规模实验筛选提供潜在线索，进一步降低成本，缩短研发周期。
个人介绍：林轩 湘潭大学计算机学院讲师。2021年博士毕业于湖南大学信息科学与工程学院。2019年至2020年，作为联合培养博士生在美国伊利诺伊大学芝加哥分校访学。主要研究方向是图神经网络和生物信息学。在药物发现中的分子性质预测、化合物与靶标相互作用预测、图表示学习等方面有比较深入的研究，并取得一系列研究成果。在人工智能、生物信息等领域的国际顶级或主流期刊会议发表论文10余篇，包括AAAI、IJCAI、ECAI、BIBM、Briefings in Bioinformatics等。主持或作为骨干人员参与包括国家建设高水平大学公派研究生项目、湖南省研究生创新项目、国家自然科学基金青年项目、国家重点研发计划等在内的多项科研项目。
