近日，我院在人工智能安全领域取得重要进展，其撰写的学术论文《Robust and Efficient Neural Architecture Design via Implicit Euler Explicitization》于国际权威学术期刊《International Journal of Neural Systems》（IJNS）。论文第一作者为我院2023级本科生黄月，通讯作者为张楗伟老师，成都大学为第一署名单位和通讯单位。本研究受到国家自然科学基金和四川省自然科学基金的支持。IJNS入选2026年中国科学院期刊分区一区，最新影响因子为6.1，在神经系统与人工智能交叉领域享有较高学术声誉。此次论文发表，标志着我院在人工智能安全与对抗鲁棒性研究方向取得的成果获得国际同行认可。
该研究聚焦于鲁棒神经网络架构的稳定性与计算效率问题。针对显式欧拉网络计算高效但稳定性有限、隐式欧拉网络鲁棒性较强但依赖迭代求解的问题，论文提出隐式欧拉显式化方法，利用Neumann展开将隐式更新转化为可直接前向传播的显式网络结构，在保留隐式方法稳定性优势的同时降低计算开销。实验结果表明，IEX-ResNet在多个图像分类数据集、对抗攻击及真实应用场景下均表现出良好的鲁棒性。与传统隐式欧拉网络相比，在保持或提升鲁棒性能的同时，将标准评测下的训练时间降低近50%，充分体现了该方法在模型鲁棒性与计算效率方面的综合优势。
黄月同学于大一下学期通过学院“启智计划”进入张楗伟老师团队开展科研。两年来，黄月利用课余时间持续参与研究，在每个寒暑假主动留校开展实验，从基础知识学习、代码实现和实验复现做起，逐步参与方法设计、实验验证和论文撰写的全过程。研究团队对本科生实行“宽进严出”的培养方式，不以年级和已有基础作为参与科研的门槛，更看重学生是否愿意投入时间、主动学习。近年来，越来越多本科生通过这一培养模式较早接触科研、参与实际课题，在真实科研任务中学习和成长，经历完整的科研训练过程，并逐步形成自己的研究能力与解决问题的能力，为后续读研读博、学历提升提供坚实的基础。
