本网消息 图/文 王健吉）2025年4月29日下午，计算机学院第二十期“启明星讲坛”在10305教室举行。本期讲坛特邀学院青年学者刘雨果博士作专题学术报告，同时，2024级研究生林立峰同学和刘宇航同学分别分享了自己的研究。学院青年博士教师及2024级研究生共同参与了此次学术交流活动。
刘雨果博士以“脉冲神经网络导论与进展”为题，向我们介绍了脉冲神经网络SNNs。脉冲神经网络作为模拟生物神经系统运行机制的第三代神经网络，脉冲神经网络凭借其低功耗、轻量化及高效时序信息处理能力，被视为突破传统人工智能计算瓶颈的重要方向。与传统人工神经网络不同，脉冲神经网络通过离散的脉冲信号传递信息，更贴近生物神经元的真实工作模式。这一特性使其在边缘计算、物联网设备等资源受限的场景中展现出显著优势，同时为处理语音、视频等时序数据提供了新的解决方案。最新研究聚焦于“异质脉冲神经网络”，通过引入神经元类型的多样性，进一步提升了网络的计算效率和适应性。
作为一项前沿研究邻域，在谈论环节，在座学者围绕脉冲神经网络的应用前景展开了热烈交流并向刘博士提出了自己的疑惑。针对该网络的训练效率问题，刘博士指出当前算法复杂度仍是制约因素，但通过优化网络结构和采用混合训练策略，已在边缘计算等场景取得显著进展。当话题转向硬件实现瓶颈时，刘博士坦诚当前面临的工艺限制，但表示有在跟进新型存储器件研发，为神经形态计算带来新的可能性。整场讨论既肯定了脉冲神经网络在能效和生物兼容性方面的独特优势，也直面了从理论到实践的关键挑战，展现出学术界和产业界对这一前沿技术发展的务实思考与共同期待。
林立峰同学向大家讲解了“VM-UNet: Vision Mamba UNet for Medical Image Segmentation”。该论文针对传统RNN（循环神经网络）在长序列建模中的局限性，创新性地引入状态空间模型（SSM），并基于Mamba架构进一步优化，提出了专用于视觉任务的VMamba模型，最终构建出高性能的VM-UNet分割网络。其中VMamba的二维选择性扫描（2D Selective Scan, SS2D）机制，有效解决了传统扫描方式在空间信息建模上的不足，使模型能够更精准地捕捉医学图像中的关键特征。此外，VM-UNet显著提高了医学图像分割精度，展现了AI医疗应用的巨大潜力。
刘宇航同学则向大家介绍了“TIMEMIXER++: A General Time Series Pattern Machine For Universal Predictive Analysis”。该论文针对现有时间序列模型在捕捉通用模式方面的不足，提出了一种全新的时间序列模式机（TSPM）架构，特别是其TIMEMIXER++模型，在多项测试中展现出卓越的性能表现。其采用仅编码器架构，创新性地整合了输入投影、MixerBlock堆叠和输出投影三大核心组件。通过运用多分辨率时间成像、时间图像分解、多尺度混合和多分辨率混合等前沿技术，TIMEMIXER++成功解决了多尺度时间序列数据的分析难题，并展现出强大的泛化能力和预测精度。
(编辑 饶涛 责编 刘昶）
