嘉 宾：赵沛霖研究员腾讯人工智能实验室

邀请人：欧阳乐副教授

时 间 ：2023年9月12日（周二）15:30-16:30

地 点：致信楼N710

报告摘要：逆合成旨在设计从起始材料到目标分子的完整的多步骤合成路线，是药物发现中的一项重要任务。针对单步逆合成，我们提出了一个新的框架，它结合了两个双重随机自注意映射，以获得遵循两个约束的电子再分配预测。实验结果表明，我们的方法持续提高了非自回归模型的预测性能，并且不会带来难以承受的额外计算成本。针对多步逆合成，我们提出了一个新的框架，利用上下文信息来改进逆合成规划。我们将合成路线视为反应图，并建议通过三个原则性步骤来整合上下文:将分子编码为嵌入物，在路线上聚合信息，并读出以预测反应物。综合实验表明，通过在路线上融合上下文信息，我们的模型显著提高了在非上下文感知的基线上进行逆向合成规划的性能，特别是对于长合成路线。

报告人：赵沛霖，博士，目前是腾讯人工智能实验室的专家研究员。此前，他曾在罗格斯大学、新加坡科技研究局和蚂蚁集团工作。他的研究兴趣包括:在线学习、推荐系统、自动机器学习、深度图学习和强化学习等。他曾受邀担任ICML、TPAMI等主要国际会议和期刊的领域主席(Area Chair)、或者副编辑（Associate Editor）。他分别从浙江大学获得数学学士学位，南洋理工大学获得计算机科学博士学位。

报告题目：基于影响力最大化的社交推荐算法

嘉 宾 ：林文清研究员腾讯

邀 请人：欧阳乐副教授

时 间：2023年9月12日（周二）下午16:30-17:30

地 点：致信楼N710

报告摘要：现实应用场景中，有大量的熟人社交网络，比如微信。在熟人社交网络中，用户之间的社交互动是沿着好友关系链进行传播的。社交推荐算法通常是为了获取更多的用户转化，与社交网络传播具有一定的契合点。在此次交流中，将基于工业界的应用场景，介绍影响力最大化算法在社交推荐场景中提升推荐效果的关键技术和算法设计。

报告人：林文清，博士，目前是腾讯专家研究员和社交算法团队负责人，从新加坡南洋理工大学获得博士学位，研究方向是图机器学习、图数据挖掘、社交网络分析、大数据处理。加入腾讯前，曾任职于新加坡资讯通信研究所研究员。在国际主流会议和期刊上已发表二十多篇论文，包括SIGMOD、PVLDB、ICDE、KDD、WWW、TKDE、TODS等，多次受邀担任AAAI、IJCAI、WWW、KDD、CIKM等国际会议的程序委员会成员，荣获Best Papers of ICDE 2015、Best Reviewer Award of CIKM 2021。目前负责社交网络方面的技术研究与落地应用。