CNCC | 网络时空大模型

孙永谦

南开大学软件学院副教授

南开大学软件学院副教授、博导。清华大学计算机系博士毕业，CCF高级会员，CCF互联网、软件工程、服务计算、体系结构等专委执行委员。从事智能运维（AIOps）领域研究，研究基于多模态数据的故障识别与诊断，在JSAC、WWW、ASE、FSE、TC、TSC、TOSEM等CCF推荐国际会议或期刊发表论文50余篇。主持国自然青年项目1项、天津市青年基金1项，与华为、阿里、腾讯、字节跳动、快手等合作校企共研项目10余项。获得中国电子学会科技进步一等奖。

朱文武

CCF会士、大数据专委会副主任，清华大学教授、信息科学与技术国家研究中心副主任

清华大学计算机系教授，信息科学与技术国家研究中心副主任，大数据算法与分析国家工程实验室副主任，清华大学人工智能研究院大数据智能研究中心主任, 国家973项目首席科学家, 国家基金委重大项目负责人。3次获国家自然科学二等奖。现任IEEE Transactions on Circuits and Systems for Video Technology主编，曾任IEEE Transactions on Multimedia指导委员会主席、IEEE Transactions on Multimedia主编。获2023年ACM SIGMM技术成就奖、2024年IEEE电路与系统学会Charles A. Desoer技术成就奖。ACM Fellow、AAAS Fellow、IEEE Fellow、SPIE Fellow，欧洲科学院外籍院士。

报告题目：动态时空图神经网络、大模型及应用

报告摘要：报告将介绍动态图机器学习的基本概念、面临挑战、研究进展和未来研究方向。首先介绍动态图嵌入表征学习和动态图神经网络。 然后介绍动态图机器学习研究新进展，1）动态开放环境下时空图神经网络，包括自动图机器学习、分布外泛化动态图机器学习，即针对训练与测试数据非独立同分布情况下挖掘时变与不变模式使模型能自适应与泛化；2）动态图大模型，即通过大模型适应不同场景不同需求统一建模动态图任务。 最后介绍未来研究方向。

高云君

浙江大学求是特聘教授、软件学院副院长，ACM中国SIGSPATIAL副主席，浙江省大数据智能计算重点实验室主任

浙江大学求是特聘教授、博导，软件学院副院长，浙江省大数据智能计算重点实验室主任，国家杰青、国家优青基金获得者。研究方向为数据库、大数据管理与分析、以及数据库与人工智能的融合。已发表150余篇CCF A类论文，出版4部专著，拥有20余项授权专利，并获ICDE等会议最佳/优秀论文6次，省部级特等或一等奖3项。担任ACM中国SIGSPATIAL副主席，并在TKDE等期刊担任编委、VLDB等会议上担任本地主席或程序委员会委员。

报告题目：时空大数据智能计算

报告摘要：时空大数据智能计算是数字经济和智慧城市等国家重大需求的重要支撑。传统的时空数据处理技术仍面临计算效率低、特征挖掘浅、算法迁移难等挑战。报告人以数据库与大数据技术为基础，结合人工智能方法，展开时空大数据智能管理与分析研究，包括嵌入表征、时空压缩、智能查询、深度挖掘及多模态时空融合等。本报告围绕时空大数据智能计算，先概述讲者对时空大数据智能管理与分析的思考，再介绍团队近年来在该领域的进展及展望。

谢鲲

湖南大学二级教授，超算与人工智能融合计算教育部重点实验室主任

湖南大学二级教授，博士生导师，国家杰出青年基金获得者，湖南省杰出青年基金获得者，长沙市“巾帼建功”标兵。研究领域包括网络系统智能化运维与安全、计算机网络、大数据和人工智能等。近五年，在SIGMOD、INFOCOM等国际会议和IEEE期刊发表60余篇论文，研究成果应用于实际网络平台。担任超算与人工智能融合计算教育部重点实验室主任。

报告题目：细粒度网络监控时序数据低开销采集和传输

报告摘要：随着AI发展，应用AI来理解和开发网络系统，进行网络运维的兴趣日益浓厚，这加大了对网络测量数据的需求。然而，传统的分钟级网络KPI监测无法捕获微突发（突降），就算有强大AI工具，也难以诊断和定位网络系统问题和故障。当网络监控粒度从传统的分钟级到秒级、毫秒级，测量采集、传输和存储开销呈千倍万倍增加。本报告介绍细粒度KPI时序数据采集传输挑战和方案。

杨彬

华东师范大学讲席教授

华东师范大学数据科学与工程学院讲席教授，国家级领军人才，博导。曾任丹麦奥尔堡大学工程技术学院杰出科学家和终身教授，获得丹麦独立研究基金会Sapere Aude科学家（丹麦国家级人才项目）资助。研究领域包括决策智能、时间序列分析，时空数据分析、数据管理和分析，AI for Science等。在国际重要会议和期刊发表论文90余篇，成果广泛应用于中国、丹麦、德国、荷兰、希腊和塞浦路斯的相关企业和政府部门。

报告题目：时间序列和时空数据驱动的决策智能

报告摘要：时间序列和时空数据驱动的决策智能旨在以时间、空间两大维度为牵引，对多源异构的多模态时序和时空数据进行高效治理和智能分析，进而有效支撑数据驱动的决策，赋能智慧城市、智能交通、数字能源、智能运维和AI for Science等应用。报告人将围绕“数据-治理-分析-决策”研究范式展开，分别介绍多模态的时序时空数据基础和数据治理方法，对数据分析方法的通用性、自动化、鲁棒性、可解释性和轻量化进行阐述，并讨论对应的基准评测，最后介绍不同类型的数据驱动的决策策略。

裴丹

清华大学计算机系长聘副教授

清华大学计算机系长聘副教授、博士生导师。主要研究方向是基于机器学习的智能运维（AIOps) 和网络时间序列智能。在智能运维领域发表了200余篇学术论文和30多项专利授权，Google学术引用过万次。获中国电子学会科技进步一等奖。他是CCF国际AIOps挑战赛的创办者和CCF OpenAIOps社区发起人，其中挑战赛已成功举办七届。担任计算机网络领域旗舰期刊IEEE/ACM Transactions on Networking 编委，并曾担任IEEE计算机网络领域旗舰会议ICNP 2022的技术程序委员会主席。

报告题目：网络空间中的时间序列智能

报告摘要：时间序列智能是通用人工智能感知、认知真实世界并决策的不可或缺能力。它具有多领域、多任务（预测、异常检测、分类、因果推断等）、多细分模态（一元、多元、图结构、表结构等）的特点，对传统时序机器学方法带来巨大挑战、导致其在现实中往往无法即插即用、落地困难。本报告将分享网络空间时间序列智能“小模型”和基础模型的近期研究进展和落地应用，并探讨如何训练面向通用领域的、即插即用、低成本推理的时间序列基础模型。

CNCC2024将于10月24-26日在浙江省东阳市横店镇举办，大会主题为“发展新质生产力，计算引领未来”。大会为期三天，包括18个特邀报告、3个大会论坛、138个专题论坛及34场专题活动和100余个展览。图灵奖获得者、两院院士、国内外顶尖学者、知名企业家在内的超过800位讲者在会上展望前沿趋势，分享创新成果。预计参会者超过万人。