新闻中心

4月23日、24日，八位交叉信息院校友做客茶园校友论坛，线上线下同步分享了计算机科学与物理领域的前沿方向与成果。

2018届校友，来自华为诺亚方舟实验室的黄维然向大家介绍了自监督学习的前沿研究。首先，他对自监督学习的概念和分类进行了介绍，并以几个简单的例子带大家探索了基于生成、对比和前置任务等不同方法的模型构建与数学推演。在分享的最后，他引用图灵奖得主杨立昆与本吉奥的话，向大家展示了自监督学习的广阔前景。

2015届姚班校友、北京大学助理教授李彤阳在校友论坛上，做了一场关于量子计算在机器学习与优化算法中的应用的讲座。量子计算凭借叠加态原理，在信息处理效率上相比传统方法更有潜力。他以凸优化、体积估计、半定规划等为例子，展示了量子算法相比传统算法的优越性。

2018届交叉信息院校友，来自字节跳动AI Lab 的吕定顺，同样为大家带来了一场量子计算的盛宴。量子计算作为后摩尔时代突破算力限制的理论方法，被认为是面向未来的全新计算方式。他更多聚焦于量子计算的潜在应用场景，并以计算化学为例介绍了量子计算的前景与挑战。近年来，以量子比特模拟分子模型的成果层出不穷，但对复杂分子系统的分析也是量子计算所面临的挑战之一。

2014届姚班校友、北京大学助理教授刘天任向大家介绍了密码学在当前场景需求下的最新进展。随着网络的不断发展，人们的交流形式从人与人之间的互相交流更多地转变成不同的人与若干个大型网页的交流。在此基础上，密码学家们提出了信息论密码学，相比传统密码学，其没有计算复杂性假设，且能够实现更高的效率。

同样来自北京大学前沿计算研究中心的助理教授、2015届校友袁骁为大家带来了关于量子模拟的前沿应用。他提到，量子模拟已经被广泛应用于各个领域，并形成了量子化学、量子材料等二级学科，在冷原子物理、药物分子、固氮作用等方向都已经有所成果。同时，量子模拟也面临着如何消除误差、实现量子算法等诸多挑战。

2012届姚班校友、交叉信息院助理教授濮云飞带来了有关量子系统中的物理问题的讲座。他的讲解深入技术细节，从俘获离子入手，使用保罗陷阱俘获离子，并以离子的量子力学状态实现量子比特。随后，他在此基础上进行了拓展，介绍了量子比特门的实现与使用分治算法降低量子复发器构建复杂度的方法。

来自快手的2019届交叉信息院校友蔡庆芃向大家介绍了强化学习在推荐算法中的应用。当前的大多数推荐系统使用的是监督学习模型，但在算法的探索能力和长期预示的优化上不尽如人意。他向大家展示了使用强化学习处理这一问题的进展及实验结果，但相比于传统方法，强化学习也面临着更多的挑战。

2012届姚班校友、斯坦福大学助理教授马腾宇在24日的校友论坛上，以线上方式为大家带来了深度学习理论的最新进展。他讲到，深度学习经过数十年的发展，已经形成了许多成果卓著的模型，但也有着噪声数据集、鲁棒性、不确定性量化等种种问题等待解决。也正因此，理论计算机学家们在完善现有方法的基础上，不断提出新的模型。

他山有玉，荧荧之光，借我相照，玉汝于成。八位校友带来的分享让同学们受益匪浅。