电子信息工程学院党委副书记姜宇老师致开幕辞

北京大学电子学院博士研究生孔德铧带来了主题为“基于散射特征提取的智能计算电磁学(The Intelligent Computational Electromagnetics Based on Scattering Feature Extraction)”的学术报告。针对传统计算电磁学方法和软件对学生和工程人员具有的较高技术门槛问题，人工智能技术的星期为克服这些困难开辟了新的途径。若以目标网格数据文件和激励波作为输入，以散射场或RCS为输出，则在训练阶段必须给网络提供大量的激励数据。孔德铧所在团队提出了几种特征参数，包括波系数、特征模、固有特征参数和散射中心，从而使得神经网络预测目标本身的一些固有特征。在激励确定后，利用提取的散射特征参数便可以很容易获得对应的散射场。

北京大学电子学院博士研究生孔德铧报告现场

清华大学电子工程系博士研究生胡修远带来了主题为“基于多GPT智能体强化学习的全新药物分子设计(De novo Drug Design using Reinforcement Learning with Multiple GPT Agents)”的学术报告。作为药物研发领域的核心问题与AI for Science领域的研究热点，全新药物分子设计的核心挑战是生成一组具有理想的性质且多样的候选分子。然而现有算法生成分子的多样性普遍不足，因此胡修远所在团队提出了MoIRL-MGPT，一个具有多个GPT智能体的强化学习框架来解决药物分子生成问题，通过loss函数的设计鼓励智能体合作沿不同方向搜索理想性质的分资。该算法在GuacaMoI基准上的表现领先于现有其他算法，并在针对新冠病毒蛋白质靶点的抑制剂设计任务中展示了实用性。

清华大学电子工程系博士研究生胡修远报告现场

电子信息工程学院博士研究生吕书畅带来了主题为“基于提示性视觉大模型的域自适应遥感语义分割方法(Domain Adaptive Remote Sensing Segmentation Method Based on Prompted Large Visual Foundation Model)”的学术报告。自ChatGPT问世以来，大模型以其强大的泛化能力在1年半左右的时间内席卷全球。在遥感领域，语义分割任务已广泛应用于许多现实世界场景中。然而，严重的域偏移问题严重影响了模型的任务性能。针对此问题，吕书畅所在团队提出了一种基于提示性视觉大模型的域自适应遥感语义分割方法，旨在利用视觉大模型的泛化能力，弥合“分布外(OOD)”源域和目标域数据之间的表示差距。

电子信息工程学院博士研究生吕书畅报告现场

在上半场的学术论坛中，与会的各位观众认真聆听各位嘉宾的学术汇报，并与汇报嘉宾进行了深入的学术交流，共同探讨了深度学习相关的科学研究成果。至此，前半场的活动圆满结束。

向左滑动查看更多

学术论坛现场

（二）茶歇环节

在茶歇环节中，同学们也和汇报嘉宾们之间进行了深入的探讨与交流。

向左滑动查看更多

茶歇现场同学们与嘉宾进行学术沟通与交流

（三）学术论坛下半场简报

论坛下半场于茶歇结束后继续。电子信息工程学院硕士研究生(master student)Kamara Alhassan Alie带来了主题为“深度学习在环境灾害遥感监测中的应用(The Emergence of Deep Learning in Remote Sensing for Environmental Disaster Monitoring)”的学术报告。这对于合成孔径雷达水体提取对于洪灾监测、海岸线变化检测与水资源管理等具有重要意义。然而，此项任务面临着显著的挑战，包括云干扰、标注数据集的稀缺以及与地形复杂性相关的难度。哈桑所在团队提出的SARSNet模型结合了数据融合与块自适应网络，解决了图像分辨率增强、狭窄水体提取以及少数类影响损失函数等问题。利用Sentinal-1和GF-3数据集，该模型在训练集、验证集、测试集的所有子数据集中均优于其它语义分割模型。

电子信息工程学院

留学生Kamara Alhassan Alie报告现场

电子信息工程学院硕士研究生孙先成带来了主题为“一种基于结构的可学习火星图像混合压缩方法(Learnt Structure-based Hybrid Framework for Martian Image Compression)”的学术报告。这里主要讲述了传输火星图像需要有效的压缩方法，以确保从远程通信中进行高质量的重建，然而目前缺少该方面的相关研究。孙先成所在团队提出了一种基于学习结构的混合框架来压缩火星图像。观察到火星图像之间存在结构一致性，提出了一种结构压缩网络用于紧凑地表示火星图像的结构信息，从而允许以极低的比特率进行压缩。之后提出了一种细节补偿网络冲间从结构信息中恢复时丢失的细节，通过降低比特率来提高压缩效率。通过与现有最先进的方法对比，提出的压缩方法在压缩火星图像方面具有优越性能。

电子信息工程学院硕士研究生孙先成报告现场

最后由电子信息工程学院博士研究生许静怡带来了主题为“基于层级式多尺度卷积字典的多模态图像修复与融合网络(Deep Multi-scale Multi-modal Convolutional Dictionary Learning Network For multi-modal image restoration (MIR) and fusion (MIF) tasks)”的学术报告。现有多模态字典学习模型均为单层级、单尺度，限制了对多模态信息的表征能力。许静怡所在团队提出了一种基于多尺度多模态卷积字典学习(M2CDL)模型，以多层策略执行，以“由粗到细”的方式关联各个图像模态的卷积字典和稀疏特征。通过对M2CDL模型的迭代展开，为多模态图像修复(MIR)与融合(MIF)问题提供了基于层级式多尺度字典学习的同用神经网络框架DeepM2CDL，在具有卓越可解释性的同时，在多模态图像超分辨、去噪、多曝光融合以及多焦点融合四种任务中均实现SOTA。

电子信息工程学院博士研究生许静怡报告现场

在下半场的学术论坛中，在场的各位观众认真聆听各位嘉宾的学术汇报并积极与嘉宾进行学术交流与沟通。

向左滑动查看更多

（四）学术论坛完美收官

至此，电子信息工程学院第一届学生国际学术论坛“深度学习驱动电子和通信领域新发展”圆满落下帷幕。观众们和工作人员以及汇报学生嘉宾在新主楼大台阶处进行了合影。

第一届学生国际学术论坛合影留念

本次活动为本校的本科生、研究生以及其它电子联盟高校的各位同学提供了一个交流学术思想、分享研究成果的平台与机会。各位学生嘉宾的汇报拓宽了大家的学术视野，同时也激发了学术上的讨论与思维上的碰撞。未来，我们也会继续努力，继续积极推动与各高校间师生的学术交流。

图文 | 庄文慧 吴星力 陈淞源王可屹

编辑 | 韩泽宇

审核 | 高源鸿 杨雪婷