2022年关于第九期研究生论坛如期举行。5月19日上午9:00，RCNS全体成员和各位导师共同参加。在这次组会上，由3名研三的员工汇报自己的毕业论文情况，然后老师与同学们对汇报内容进行学术探讨，并对存在的问题给出相应的指导和建议。

曹雨康：合理的药物设计涉及一长串的分子属性，包括结合亲和力、毒性、分配系数、溶解度等。这些分子属性通常由实验测定，往往费时且昂贵。本文使用拓扑数据分析方法计算药物分子结构中拓扑不变量的生命周期作为拓扑特征，结合预训练与微调模型计算的特征，使用机器学习算法对药物分子的属性进行预测。在计算机辅助药物设计领域可以得到比其他方法更高精度的结果。
主要研究内容有：
（1）构建用于提取拓扑特征的原子对距离矩阵。
（2）提出基于拓扑数据分析的药物分子特征计算方法。
（3）使用预训练和微调模型计算特征。
（4）将不同的特征组合用GBDT算法学习训练。

      陈俊超：高光泽皮革、玻璃、塑料、金属部件等具有镜面反射特性的物体图像表面上的高光，使得适用于漫反射特性的物体检测、内在图像分解和跟踪等光学测量技术难以直接应用，因此高光检测与消除一直是计算机视觉研究领域的热点问题。然而，配对数据集的获取在现实中存在一定的困难，但我们可以很容易获得大量非配对数据。以CycleGAN为首的对偶生成对抗网络，是一种无监督的学习框架，该框架可充分的利用非配对数据集学习两个域之间的映射关系。本文在经典CycleGAN的基础上建立了改进的对偶生成对抗网络框架，该框架主要解决以下两个问题：
   （1）在对偶生成对抗网络CycleGAN的基础上，引入了一个基于独立平均值的置信图。CycleGAN+置信图可以引导网络快速搜索初始值，从而解决目前没有一个非常严格的数学定义来区分镜面反射成分和漫反射成分而使网络收敛速度慢的问题。
    （2）对于典型的高光泽金属球体，其实测值的非峰值部分的漫反射分量仅为0.1左右，而峰值中的镜面反射分量可以达到100。为了解决高光泽镜面反射物体镜面反射峰值远大于非峰值时的漫反射值，而导致的优化过程中产生的异方差性问题，我们提出了一种基于对数的度量方式，使得镜面反射成分和漫反射成分具有可比性。同时，在改进网络的生成器中，使用DenseNet和U-Net相结合的结构替代初始的ResNet架构，可使网络的参数量变少且层次加深，进而使得网络收敛速度加快以及可提取到更丰富的特征信息。此外，本文在改进网络的基础上引入感知损失，目的是避免在卷积下采样会丢失相关的特征信息，从而确保生成图像的稳定性。

李朝辉：文章根据小员工不同年级的社交活动特点，将其构建为三层社交关系网络。分别在此网络结构基础上构建实验中的网络模型，如第三章中的社交关系网络，第四章中的信息和疾病耦合的两层多重网络，第五章中线上好友微信交流子网络、线上班级群交流子网络，线下接触面对面交流子网络，三层子网络耦合的多重网络结构。
后面相应的使用经典的 SEIR 疾病传播模型，UAU-SEIR 信息和疾病耦合模型，SIR信息传播模型，研究疾病及相关信息在对应网络结构上的传播要素和对扩散特征分析。通过大量数值实验证明,中心节点作为传染源将使疾病或信息传播范围更广，传播速度更快。同时相关信息的扩散也能有效抑制疾病的传播，起到良好的防控效果。

—  员工汇报照片展示  —