3月27日下午，欧洲科学院院士、西湖大学人工智能讲席教授、IEEE计算智能学会主席金耀初教授应邀参加学院IT讲坛，做了主题为“Graph Neural Networks for Combinatorial Optimization”的报告。此次讲座由学院李秀梅副院长主持，50余名老师、研究生和本科生到场参加。

本次讲座主题围绕图神经网络的原理和应用展开，分别通过图的组合优化、用于多目标的有监督图神经网络和联邦图神经网络三个模块一一论述。金教授首先介绍西湖大学具有区别于其他高校的高起点、小而精和研究性等特点。金教授也介绍了他负责的西湖大学可信及通用人工智能实验室，以其前瞻性的研究方向和丰硕的研究成果，为国内外学术界所瞩目。

紧接着，金教授深入浅出地阐述了图神经网络的原理和其在组合优化问题中的应用。他首先从图的组合优化出发，通过列举旅行商问题、设施位置问题和图形着色问题等经典问题，让我们对图神经网络在解决这些复杂问题上的优势有了直观的认识。金教授详细解释了图神经网络如何通过节点之间的连接关系学习节点的表示，进而应用于各种复杂的下游任务。他还分享了自己在这一领域的研究成果和心得体会，使我们对图神经网络的原理和应用有了更深入的理解。

在多目标优化方面，金教授以股票外汇投资为例，生动解释了多目标优化中风险与利益的平衡关系。他强调了在实际应用中，多目标优化问题往往涉及到多个相互冲突的目标，需要通过综合权衡来找到最优解。金教授详细讲解了Pareto面在多目标优化问题中的重要性，并分享了多目标优化模块实验的设置和结果。

在联邦图神经网络模块，金教授强调了数据隐私保护的重要性，并介绍了四种隐私保护方法：安全多方计算、差分隐私、同态加密以及联邦学习。他特别指出，在大数据时代，数据隐私和安全已经成为了一个亟待解决的问题。联邦学习作为一种分布式机器学习方法，可以有效保护数据隐私，同时实现多个参与者之间的协同训练。

讲座的最后，金教授强调了监督和非监督学习方法在解决具体问题时的灵活性和重要性。他鼓励师生们要具体问题具体分析，根据问题的性质选择合适的方法。在互动环节，金教授耐心解答了师生们的提问，并分享了目前图神经网络领域面临的挑战和未来发展方向。他提到，尽管图神经网络在处理图结构数据方面表现出巨大的潜力，但如何将其应用于非图结构数据仍是一个亟待解决的问题。他鼓励师生们在这一领域继续探索和创新，为学术研究和实际应用做出更大的贡献。

此次讲座不仅让师生们对图神经网络在组合优化问题上的应用有了更深入的理解，也激发了大家对这一领域的浓厚兴趣和探索欲望。通过金教授的分享，我们更加认识到了图神经网络在处理复杂图结构数据方面的巨大潜力和广阔前景。相信图神经网络将会在更多领域发挥重要作用，推动人工智能技术的不断发展和进步。

（文/刘光宇 叶列立 图/陈明扬）