【06.14】“青年科技工作者园地”第147次活动：张量网络方法及其应用、X射线高维时序影像的分割、FRNet-优质感知数据的参与者动态选择算法
“青年科技工作者园地”第147次活动
时间：2022年06月14日 (周二) 下午14:30
地点：计算中心二楼会议室
腾讯会议：823-238-388
链接：https://meeting.tencent.com/dm/zRaaucJoCu9b
报告一：张量网络方法及其应用 (Tensor network method and its application)
报告人：梁文昊（网络中心）
摘要：在现代科学中，大量的问题都涉及到高维计算，如大数据科学中的数据分析 , 神经网络模型的知识蒸馏，量子多体物理中波函数的求解 以及量子线路模拟问题等等。在这些问题中，如何解决“维度灾难”一直是人们思考的关键。近几年来，张量网络方法发展迅速，能够很好的实现降维，受到了科研工作者的关注。这次报告首先介绍张量分解方法，引出并介绍密度矩阵重整化群理论，接着介绍张量缩并方法，引出并介绍量子电路模拟的相关工作，这些工作都能够展示出张量网络方法的优势。最后，简要介绍量子变分求解器（VQE），抛砖引玉，希望能够在张量网络和量子计算方面和大家相互讨论，一起探索。
个人简介：梁文昊，2016至2020年本科就读于西北大学物理学院应用物理专业。2020年进入中国科学院计算机网络信息中心高性能计算部攻读博士学位。目前研究兴趣有：并行优化，张量网络计算，量子电路模拟，量子算法等。
报告二：X射线高维时序影像的分割
报告人： 邱晓梦
摘要：图像分割是计算机视觉的一个热门领域，它广泛应用于地理信息系统、无人车驾驶、机器人等领域。在医学领域通过分割可以得到病灶信息，从而辅助医生进行诊断。传统的U-Net网络是医学图像分割的黄金标准，以其独特的编码解码以及跳跃连接结构取得了很好的分割效果。本次报告将介绍一种分割时序医学图像的方法，该方法在传统的U-Net网络基础上，添加了光流信息来获取相邻帧之间的运动信息，使得分割内容更加丰富，分割结果也更加准确。
报告三：FRNet-优质感知数据的参与者动态选择算法
报告人：李泽铭晖
摘要：移动群智感知(Mobile Crowd Sensing, MCS)是一种基于移动节点的感知模式，为城市数据采集提供了一种低成本高效益的解决方案。为了监测城市环境和促进市政管理，越来越多的应用程序采用车辆作为参与者来完成监督和控制系统的任务。然而,在MCS系统中,当感知任务参与者收集并上传感知数据时,他们在时间和空间上经常重叠。因此，在此情况下，系统就获得了很多的冗余数据,导致最终不足以满足MCS任务需求。同时，现有方案还存在无法实现感知任务的动态分配和感知任务参与者动态选择的问题。因此提出了一种基于强化学习的参与者选择算法。
附件下载：
