CNCC2024
論壇簡介：
網絡時空大模型
舉辦時間：10月25日13:30-17:30
地點：夏苑-諧奇趣三樓
注：如有變動，請以官網(https://ccf.org.cn/cncc2024)最終資訊為準
在大資料和人工智能技術的推動下，網絡時空模型已成為解析和預測複雜網絡系統不可或缺的工具，廣泛應用于智慧城市、智能交通、數字能源、網絡安全、智能運維、社交網絡以及AI for Science等多個關鍵領域。
然而，傳統的時空資料處理技術仍面臨着效率低下、特征挖掘不足、算法遷移困難等挑戰，導緻現有的時空模型在處理多領域、多任務（如預測、檢測、分類、推斷等）、多細分模态（包括一進制、多元、圖結構、表結構等）以及資料和樣本不足的問題時，存在諸多難題。
為了應對這些挑戰，網絡時空資料基礎模型（時空大模型）——Foundation Model of NETS (Network of Time Series）的研究有望實作重大突破。本次研讨會将深入探讨網絡時空大模型的研究問題、資料基礎、方法論與實踐技術，覆寫動态圖大模型的理論與實踐、時空大資料的智能管理與分析方法、以及時空基礎模型的建構和應用落地。講者們将從時空大資料的高效采集與智能計算，到資料治理、分析決策，再到時空基礎模型的自适應與泛化模組化，以及大小模型協同和多智能體的編排落地，全面讨論時空資料分析與模組化方法的通用性、自動化、魯棒性、可解釋性和輕量化等技術。
論壇日程
| 順序 | 主題 | 主講嘉賓 | 機關 |
| 1 | 動态時空圖神經網絡、大模型及應用 | 朱文武 | 清華大學 |
| 2 | 時空大資料智能計算 | 高雲君 | 浙江大學 |
| 3 | 細粒度網絡監控時序資料低開銷采集和傳輸 | 謝鲲 | 湖南大學 |
| 4 | 時間序列和時空資料驅動的決策智能 | 楊彬 | 華東師範大學 |
| 5 | 網絡空間中的時間序列智能 | 裴丹 | 清華大學 |
| 6 | Panel環節 | 朱文武 | 清華大學 |
| 高雲君 | 浙江大學 | ||
| 謝鲲 | 湖南大學 | ||
| 楊槟 | 華東師範大學 | ||
| 李勇 | 清華大學 | ||
| 裴丹 | 清華大學 |
論壇主席及嘉賓介紹
論壇主席
孫永謙
南開大學軟體學院副教授
南開大學軟體學院副教授、博導。清華大學計算機系博士畢業，CCF進階會員，CCF網際網路、軟體工程、服務計算、體系結構等專委執行委員。從事智能運維（AIOps）領域研究，研究基于多模态資料的故障識别與診斷，在JSAC、WWW、ASE、FSE、TC、TSC、TOSEM等CCF推薦國際會議或期刊發表論文50餘篇。主持國自然青年項目1項、天津市青年基金1項，與華為、阿裡、騰訊、位元組跳動、快手等合作校企共研項目10餘項。獲得中國電子學會科技進步一等獎。
論壇講者
朱文武
CCF會士、大資料專委會副主任，清華大學教授、資訊科學與技術國家研究中心副主任
清華大學計算機系教授，資訊科學與技術國家研究中心副主任，大資料算法與分析國家工程實驗室副主任，清華大學人工智能研究院大資料智能研究中心主任, 國家973項目首席科學家, 國家基金委重大項目負責人。3次獲國家自然科學二等獎。現任IEEE Transactions on Circuits and Systems for Video Technology主編，曾任IEEE Transactions on Multimedia指導委員會主席、IEEE Transactions on Multimedia主編。獲2023年ACM SIGMM技術成就獎、2024年IEEE電路與系統學會Charles A. Desoer技術成就獎。ACM Fellow、AAAS Fellow、IEEE Fellow、SPIE Fellow，歐洲科學院外籍院士。
報告題目：動态時空圖神經網絡、大模型及應用
報告摘要：報告将介紹動态圖機器學習的基本概念、面臨挑戰、研究進展和未來研究方向。首先介紹動态圖嵌入表征學習和動态圖神經網絡。 然後介紹動态圖機器學習研究新進展，1）動态開放環境下時空圖神經網絡，包括自動圖機器學習、分布外泛化動态圖機器學習，即針對訓練與測試資料非獨立同分布情況下挖掘時變與不變模式使模型能自适應與泛化；2）動态圖大模型，即通過大模型适應不同場景不同需求統一模組化動态圖任務。 最後介紹未來研究方向。
高雲君
浙江大學求是特聘教授、軟體學院副院長，ACM中國SIGSPATIAL副主席，浙江省大資料智能計算重點實驗室主任
浙江大學求是特聘教授、博導，軟體學院副院長，浙江省大資料智能計算重點實驗室主任，國家傑青、國家優青基金獲得者。研究方向為資料庫、大資料管理與分析、以及資料庫與人工智能的融合。已發表150餘篇CCF A類論文，出版4部專著，擁有20餘項授權專利，并獲ICDE等會議最佳/優秀論文6次，省部級特等或一等獎3項。擔任ACM中國SIGSPATIAL副主席，并在TKDE等期刊擔任編委、VLDB等會議上擔任本地主席或程式委員會委員。
報告題目：時空大資料智能計算
報告摘要：時空大資料智能計算是數字經濟和智慧城市等國家重大需求的重要支撐。傳統的時空資料處理技術仍面臨計算效率低、特征挖掘淺、算法遷移難等挑戰。報告人以資料庫與大資料技術為基礎，結合人工智能方法，展開時空大資料智能管理與分析研究，包括嵌入表征、時空壓縮、智能查詢、深度挖掘及多模态時空融合等。本報告圍繞時空大資料智能計算，先概述講者對時空大資料智能管理與分析的思考，再介紹團隊近年來在該領域的進展及展望。
謝鲲
湖南大學二級教授，超算與人工智能融合計算教育部重點實驗室主任
湖南大學二級教授，博士生導師，國家傑出青年基金獲得者，湖南省傑出青年基金獲得者，長沙市“巾帼建功”标兵。研究領域包括網絡系統智能化運維與安全、計算機網絡、大資料和人工智能等。近五年，在SIGMOD、INFOCOM等國際會議和IEEE期刊發表60餘篇論文，研究成果應用于實際網絡平台。擔任超算與人工智能融合計算教育部重點實驗室主任。
報告題目：細粒度網絡監控時序資料低開銷采集和傳輸
報告摘要：随着AI發展，應用AI來了解和開發網絡系統，進行網絡運維的興趣日益濃厚，這加大了對網絡測量資料的需求。然而，傳統的分鐘級網絡KPI監測無法捕獲微突發（突降），就算有強大AI工具，也難以診斷和定位網絡系統問題和故障。當網絡監控粒度從傳統的分鐘級到秒級、毫秒級，測量采集、傳輸和存儲開銷呈千倍萬倍增加。本報告介紹細粒度KPI時序資料采集傳輸挑戰和方案。
楊彬
華東師範大學講席教授
華東師範大學資料科學與工程學院講席教授，國家級領軍人才，博導。曾任丹麥奧爾堡大學工程技術學院傑出科學家和終身教授，獲得丹麥獨立研究基金會Sapere Aude科學家（丹麥國家級人才項目）資助。研究領域包括決策智能、時間序列分析，時空資料分析、資料管理和分析，AI for Science等。在國際重要會議和期刊發表論文90餘篇，成果廣泛應用于中國、丹麥、德國、荷蘭、希臘和塞普勒斯的相關企業和政府部門。
報告題目：時間序列和時空資料驅動的決策智能
報告摘要：時間序列和時空資料驅動的決策智能旨在以時間、空間兩大次元為牽引，對多源異構的多模态時序和時空資料進行高效治理和智能分析，進而有效支撐資料驅動的決策，賦能智慧城市、智能交通、數字能源、智能運維和AI for Science等應用。報告人将圍繞“資料-治理-分析-決策”研究範式展開，分别介紹多模态的時序時空資料基礎和資料治理方法，對資料分析方法的通用性、自動化、魯棒性、可解釋性和輕量化進行闡述，并讨論對應的基準評測，最後介紹不同類型的資料驅動的決策政策。
裴丹
清華大學計算機系長聘副教授
清華大學計算機系長聘副教授、博士生導師。主要研究方向是基于機器學習的智能運維（AIOps) 和網絡時間序列智能。在智能運維領域發表了200餘篇學術論文和30多項專利授權，Google學術引用過萬次。獲中國電子學會科技進步一等獎。他是CCF國際AIOps挑戰賽的創辦者和CCF OpenAIOps社群發起人，其中挑戰賽已成功舉辦七屆。擔任計算機網絡領域旗艦期刊IEEE/ACM Transactions on Networking 編委，并曾擔任IEEE計算機網絡領域旗艦會議ICNP 2022的技術程式委員會主席。
報告題目：網絡空間中的時間序列智能
報告摘要：時間序列智能是通用人工智能感覺、認知真實世界并決策的不可或缺能力。它具有多領域、多任務（預測、異常檢測、分類、因果推斷等）、多細分模态（一進制、多元、圖結構、表結構等）的特點，對傳統時序機器學方法帶來巨大挑戰、導緻其在現實中往往無法即插即用、落地困難。本報告将分享網絡空間時間序列智能“小模型”和基礎模型的近期研究進展和落地應用，并探讨如何訓練面向通用領域的、即插即用、低成本推理的時間序列基礎模型。
關于CNCC2024
CNCC2024将于10月24-26日在浙江省東陽市橫店鎮舉辦，大會主題為“發展新質生産力，計算引領未來”。大會為期三天，包括18個特邀報告、3個大會論壇、138個專題論壇及34場專題活動和100餘個展覽。圖靈獎獲得者、兩院院士、國内外頂尖學者、知名企業家在内的超過800位講者在會上展望前沿趨勢，分享創新成果。預計參會者超過萬人。