近日，学院2篇论文被国际人工智能领域顶级会议——第34届国际人工智能联合会议（International Joint Conference on Artificial Intelligence，简称IJCAI）录用。本届会议录用率为19.3%，会议将于2025年8月16日至22日在加拿大蒙特利尔举行。国际人工智能联合会议是人工智能领域中最重要的学术会议之一，被中国计算机学会（CCF）列为A类国际会议，录用论文充分彰显了我院在人工智能领域持续深耕与创新能力，研究水平获得了国际学术界的高度认可。

        论文《Efficient Visual Representation Learning with Heat Conduction Equation》（作者：Zhemin Zhang, Xun Gong），以西南交通大学为第一署名单位，博士生章哲敏为第一作者，龚勋教授为通讯作者。基础模型（如CNN、ViT）推动了图像表征学习的发展，但模型架构设计仍缺乏统一的理论指导。受图像表征与热传导的关系启发，本研究将图像特征视为温度场，信息交互看作热扩散过程，进而发现残差结构、SE模块和前馈网络等现代架构可通过热传导方程解释。基于此，本文设计了更具可解释性的模型HcNet，通过有限差分法和傅里叶级数求解热传导方程，提出热传导层和近似细化层，作为模型的主要组件。HcNet兼具物理可解释性、可扩展性与优异的性能表现，为物理启发的神经网络设计提供了新的思路。

图1  HcNet框架图

        论文《On Definite Iterated Belief Revision with Belief Algebras》（作者：Hua Meng, Zhiguo Long, Michael Sioutis, Zhengchun Zhou），以西南交通大学为第一署名单位，龙治国副教授为通讯作者。传统基于逻辑的信念修正研究集中于通过规则设计来约束修正算子的行为，而现有迭代修正规则的描述框架往往过于宽松，导致同一信念状态下存在多个满足规则的修正算子。在安全攸关的实际应用中，必须采用确定的修正算子，以确保智能体能够以确定性方式实现信念迭代更新。本文创新性地通过偏好关系表征信念信息，构建了一个新的迭代信念修正框架。在该框架下，信念与新证据均采用信念代数（Belief Algebra）进行语义表征，为修正过程提供了丰富而精确的数学基础。

图2 信念代数结构示意图

        计算机与人工智能学院始终坚定科技担当，着力攻关重大科学问题和关键核心技术，在人工智能与计算机科学前沿领域持续发力。后续，学院继续培育高水平交叉研究和协同创新团队，承担重大科研任务，产出标志性成果，为学校学科高质量发展作出贡献。