近日,2025年国家自然科学基金集中接收申请项目评审结果公布,我院共获批立项项目10项。其中,面上项目7项,青年科学基金项目3项,立项金额总计440万元。
项目介绍
1.李晨辉:多模态模型驱动的地理空间数据主动式可视化研究
本项目聚焦多模态模型驱动的地理空间数据可视化研究,针对地理空间数据所具有的多模态异构性、强时变动态性及人机协同中认知效率低等关键问题,突破传统被动响应式可视化范式,提出一种基于多模态联合建模的主动式可视化框架。研究成果有望显著提升复杂地理空间数据的认知效率,为时空数据可视分析提供创新的方法支撑与技术路径,在智慧城市等场景中具有广泛应用潜力。
2.林绍辉:面向视觉Transformer模型设计的高效推理与训练技术研究
Transformer模型存在着巨大计算和内存开销,传统Transformer模型压缩与加速方法面临着推理时延高、泛化性差、训练效率低难题。本项目尝试构建视觉Transformer模型高效推理与训练一体化方法,突破推理与训练效率低下、视觉感知下游任务泛化性低等瓶颈,从模型构建、关键算法、验证平台三个方面开展研究。本项目最终搭建多模态舰船目标增强与感知示范平台,验证提出的模型及关键技术,将有望推动低功耗视觉计算方法上的突破,为AI芯片设计、边缘计算提供技术支撑。
3.李洋:开放场景下任务驱动的主动物体跟踪方法研究
主动物体跟踪方法通过控制相机,主动调整拍摄视角以实现目标跟踪,被广泛应用在无人机搜救、智能航拍等领域。然而,现有系统面临自主性不足、人工介入频繁、多模块集成复杂度高等问题,严重制约了其在动态开放环境中的实际应用效能。本研究创新性提出任务驱动的主动物体跟踪方法,以任务意图建模为核心,解决现有跟踪器功能离散化与任务碎片化的缺陷。本研究将进一步拓展主动物体跟踪的实际应用范围,为低空经济、具身智能等新兴产业提供有力的理论技术保障。
4.吴旭东:面向边缘智能的大/小模型训推一体运行时优化技术
随着边缘智能的不断普及和渗透,边缘设备(如手机、智能汽车)上需要部署的模型数量和体量均持续增长,与之不匹配的是计算、存储和网络资源的扩容滞后(受制于边缘设备使用寿命和市场价格)。为此,本项目提出充分利用深度模型间的内生关联(源自应用场景、模型架构间的相似性和功能逻辑),通过参数、数据和资源的聚合配给,实现具有高可扩展性的边缘智能系统。
5.张伟:面向深度学习推荐模型的有效知识蒸馏方法研究
深度学习推荐模型应用广泛,但其模型规模的持续增加带来了显著的计算效率挑战。本项目立足于通过知识蒸馏技术缓解深度学习推荐模型效果和效率之间的根本矛盾,围绕从教师推荐模型中提炼有效的知识,并合理地传递给适配的学生推荐模型这一目标。本项目将丰富知识蒸馏与推荐系统模型压缩的理论基础,同时降低推荐模型的计算和存储成本,为企业和社会提供高效、低成本的模型小型化解决方案。
6.周杰:面向陪伴式大模型的学习者长周期认知建模方法研究
未来的教育大模型必须突破工具型角色局限,发展成为长期陪伴、深度理解学习者的个性化认知伙伴和导师。本项目拟开展面向陪伴式大模型的学习者长周期认知建模方法研究,实现“长伴随、可进化、自适应”的个性化智能体。针对大规模真实环境验证成本高昂的难题,构建基于多智能体协同的教育沙盒,并引入虚实双重验证机制,以加速技术迭代与模型优化。本项目旨在推动教育大模型从简单工具向深度认知伙伴转型,为实现“一生一模型”的教育新范式提供坚实的理论基础与技术支撑。
7.洪道诚:基于多模态融合注意力机制的学生深度学习认知及其自适应调节
以AI为代表的信息技术与教育教学融合、为学习者提供极大便利的同时,广泛存在充足数字化学习资源和完备性学习条件下学习分心和走神、学习参与性和投入度较低、教学低质化和学习浅表化的挑战问题。其背后的教育科学问题是如何在多模态学习场景下深化学习认知程度,实现学习者深度学习认知及其干预调节。项目既延续NSFC教育大数据分析与应用领域研究,又紧扣智能教育时代学生深度学习认知热点研究;既提供深度学习认知状态客观化的考量标准,又提供深度学习认知自适应调节应对措施。
8.龚靖渝:显隐式策略双驱动的场景关联人物动作生成技术研究
具身智能、自动驾驶等智能化系统对提高生活生产效率具有重大意义,但人物行为存在随机性和偶发性,为人机共存下系统安全运行带来严峻挑战。其核心问题在于现有模型训练缺乏各类情景人物行为数据。本项目针对当前问题,研究显隐式策略双驱动的场景关联人物动作生成技术。本研究旨在形成场景关联的人物动作生成新框架,为智能化模型训练提供高质量情景人物行为数据,支撑具身智能、自动驾驶等领域智能化模型高效部署和安全运行。
9.李丙栋:基于进化多目标优化的模型合并方法研究
作为一种高效的大语言模型构建范式,模型合并是指将多个源模型参数组合成一个具有综合能力的新模型,从而以低成本的方式提升模型在多个任务上的性能。虽然多目标模型合并具有巨大的潜力,但该方法仍面临诸多挑战。本项目旨在针对可扩展性、搜索效率等瓶颈问题,提出多目标模型合并新方法,突破现有多目标进化算法在模型合并领域的局限。
10.刘一萌:面向跨域追踪的异构群智认知博弈协同调度方法研究
人机物融合群智计算作为一种能够融合众多异构资源优势的新型系统形态,被广泛应用于安全监测、智能制造等场景中。本项目拟从多维认知和混合博弈角度出发,围绕“机理发现-机制构建-策略设计”主线,深入探究跨域追踪中的异构群智协同调度问题。该研究有望推动系统从低阶“感知-计算”向高阶“认知-决策”范式跃迁,研究成果在跨域追捕、应急救援等国家战略需求中有重要应用价值。
中山北路3663号理科大楼 200062
沪ICP备05003394
Copyright 2019计算机科学与技术学院