报告时间：2021年1月8日 15：00
报告形式：腾讯会议
会议 ID：980 355 875
报告题目：图表示学习在药物发现中的应用
报告人：张铭（北京大学教授）
摘要：新药发现领域中的许多基础任务与图表示学习算法和图神经网络的研究密切相关。首先介绍新药发现领域的分子图生成任务，提出了首个基于自回归流的生成模型GraphAF，该模型在多个分子图生成任务上取得了最好的效果。然后，为分子合成路线设计任务提出了一个不依赖任何化学领域知识的模型G2Gs，它的性能与基于模版的方法相近，但是它不像那些模版方法那样依赖于领域知识，该模型具有较强的可解释性和可扩展性。本项工作是由北京大学首届图灵班学生史晨策作为第一作者完成的本科毕业论文，相关成果发表在机器学习和医疗领域顶级会议ICLR2020和ICML2020，已经被引30多次，受到了本领域同行学者的广泛关注。
个人介绍：北京大学信息科学技术学院教授，博士生导师，教育部计算机课程教指委委员，ACM教育专委会惟一的中国理事。自1984年考入北京大学，分别获得学士、硕士和博士学位。研究方向为文本挖掘、机器学习等，目前主持国家科技部科技创新2030——“新一代人工智能”重大项目子课题、国家自然科学基金面上等项目，合作发表科研学术论文200多篇，谷歌学术被引9800多次，H因子39。获得机器学习顶级会议ICML 2014最佳论文奖、网络信息处理顶级会议WWW 2016最佳论文提名。发表于WWW 2015的网络表征模型LINE被引2800余次，是WWW会议2015-2019五年高引论文第1名。主讲的《数据结构与算法》，入选为国家级和北京市级精品课程、国家级精品资源共享课程、国家精品在线课程、国家级一流本科课程。