报告相关信息

（按演讲顺序）

Abstract: We will discuss the convergence of an adaptive model predictive control (MPC) algorithm for discrete-time linear stochastic systems with unknown parameters. The proposed adaptive MPC is designed by solving a finite horizon constrained linear-quadratic optimal control problem of online estimated models,which are built on the weighted least-squares (WLS) estimates modified by both the random regularization and attenuating excitation methods introduced earlier in stochastic adaptive control. By using the Markov chain ergodic theory,it is shown that the adaptive MPC performance will converge asymptotically to the ergodic MPC performance with known parameters.

郭雷，1982年毕业于山东大学数学系，1987年在中国科学院系统科学研究所获博士学位，1992年被中国科学院特批为研究员。主要从事系统科学、控制科学、应用数学、自动化与智能化等领域的基础理论与相关应用研究。1998年当选IEEE会士，2001年当选中国科学院院士，随后当选发展中国家科学院院士，瑞典皇家工程科学院外籍院士，国际自动控制联合会会士，瑞典皇家理工学院荣誉博士等。曾获IEEE控制系统学会最高奖“波德奖”，获奖理由是“因对自适应控制、系统辨识、自适应信号处理、随机系统及应用数学领域的根本性和实际性贡献”，是迄今获此终身成就奖的唯一华人科学家。

Abstract:Fisher said,‘IF we can find a mathematical form for the population which adequately represents the data,and then calculate from the data the best possible estimates of the required parameters,then it would seem that there is little or nothing more that the data can tell us;we shall have extracted from it all the available relevant information.’(-page 7,Statistical Methods for Research Workers,9th edition,Oliver and Boyd,1944.) This talk raises an issue with Fisher’s assumption.

汤家豪教授是清华大学杰出访问教授，并担任由杨振宁先生创立的清华大学高等研究院基金会董事，厦门大学邹至庄杰出访问教授及英国伦敦政治经济学院荣休教授。他是香港中文大学统计系创始人兼首任系主任、香港大学研究生院创院院长及香港大学前副校长。他曾担任英国肯特大学数学与统计学院院长、英国伦敦政治经济学院统计系讲席教授及时间序列分析研究中心创始主任、香港大学统计与精算系讲座教授等之职。汤家豪教授是国际著名的统计学家，非线性时间序列分析的重要开拓者之一，门限时间序列模型的创始人，在统计学领域取得了杰出的学术成就，独自获得英国皇家统计学会授予“佳氏银奖”，中国国家自然科学奖二等奖,泛华统计协会杰岀成就奖,和香港大学杰出研究成就奖等。他是首位华裔当选为挪威科学与文学院（数学分组）外籍院士，同时也是国际数理统计学会会士、国际统计学会会士及英国精算学会荣誉会士等，还曾担任中国科学院数学与系统科学研究院名誉教授、新加坡国立大学苏瑞福讲席教授、中囯电子科技大学特聘讲席教授、意大利博洛尼亚大学高等研究院高级研究员等。他曾担任香港统计学会会长、伯努利协会欧洲区理事长、泛华统计学会评委会委员、英国皇家统计学会荣誉委员会委员、JRSSB、Biometrika、Statistica Sinica等期刊副主编或编委，以及一些图书系列的主编、编委等。

摘要：人工智能作为当代科技最具革新力与影响力的领域之一，正以其颠覆性力量赋能驱动科学研究及产业创新。报告探讨面向科学研究的平台化大模型开发，并以中国科学院磐石科学基础大模型为例，重点介绍如何构建面向专业科学研究的科学模型及凝练人工智能就绪（AI-Ready）科学问题的重要性。

曾大军研究员现任中国科学院科技基础能力局副局长、自动化研究所副所长。本科就读于中国科学技术大学少年班，于美国卡内基•梅隆大学获博士学位。系国际上创立并推动前沿交叉学科“安全信息学”和“传染病信息学”的主要学者之一，在大数据与人工智能技术及应用方面取得突出成果。研究方向包括多智能体系统、AI4Science与决策智能。主持国家自然科学基金创新研究群体、国家杰出青年科学基金、科技部重点研发等项目，当选IEEE Fellow、AAAS Fellow，曾任IEEE 智能系统杂志和ACM管理信息系统汇刊主编。获2021年度复旦管理学杰出贡献奖。共发表学术论文400余篇。

Abstract: This paper provides a guide for using causal inference with asset prices and quantities. Our framework revolves around an elementary assumption about portfolio demand: homogeneous substitution conditional on observables. Under this assumption, standard cross-sectional instrumental variables or difference-in-difference regressions identify the relative demand elasticity between assets with the same observables, the difference between own-price and cross-price elasticity. In contrast, identifying aggregate elasticities and substitution along specific characteristics requires joint estimation using multiple sources of exogenous time-series variation. The same principles apply to the estimation of multipliers measuring the price impact of supply or demand shocks. Our assumption maps to familiar restrictions on covariance matrices in classical asset pricing models, encompass demand models such as logit, and accommodate rich substitution patterns even outside of these models. We discuss how to design experiments satisfying this condition and offer diagnostics to validate it.

何治国教授是斯坦福大学商学院James Irvin Miller金融学讲席教授。作为一名金融经济学家，何教授的研究领域涵盖金融市场、金融机构和宏观经济学等。他还在中国金融市场方面开展学术研究，并就加密货币和区块链领域的最新进展进行学术研究。在加入斯坦福商学院之前，他于2008年至2023年在芝加哥布斯商学院任教，并于2015年获得终身教职，并于2020年至2023年期间领导贝克尔弗里德曼经济研究所中国中心。何教授在2008年获得西北大学凯洛格管理学院博士学位之前，曾在清华大学经济管理学院获得学士和硕士学位。他于2014年被评为斯隆研究员，并因其杰出的学术成就获得众多奖项，包括雷曼兄弟金融研究卓越奖、瑞士金融学院杰出论文奖、史密斯-布里登一等奖以及布雷托集团一等奖。在芝加哥布斯商学院开始其学术生涯之前，他曾于2001年在北京的中国国际金融有限公司担任股票分析师，并于2008年作为博士后研究员访问了普林斯顿大学的本德海姆金融中心。

Abstract:Ensuring that scientific findings remain consistent across data perturbations,modeling choices,and computational environments is now recognized as a prerequisite for trustworthy knowledge. Building on this consensus,we note that stability and reproducibility are essential considerations in the application of statistical methods to scientific research. False Discovery Rate (FDR) control methods provide a rigorous framework for limiting false signals in multiple testing and regression. However,some of these methods yield unstable results due to the inherent randomness of the algorithms. For instance,different constructions of knockoff copies can lead to different sets of selected variables. To enhance the stability and reproducibility of statistical outcomes, we propose a unified stability approach for feature selection and multiple testing algorithms with FDR control, named FDR Stabilizer. Our method aggregates e-values based on rank statistics generated from multiple runs of the base algorithm to construct stabilized e-values, which are then processed using the eBH procedure. This approach not only guarantees FDR control and power performance but also enhances stability. It is adaptable and can be applied to most existing FDR control methods. Moreover,we investigate the theoretical properties of the stability method,including asymptotic FDR control,power and stability guarantees. Extensive numerical experiments and applications to real datasets demonstrate that the proposed method generally outperforms existing alternatives.

钟威，现任厦门大学王亚南经济研究院、经济学院统计学与数据科学系南强特聘教授、博士生导师。2012年获得美国宾夕法尼亚州立大学统计学博士学位，国家优青（2019），福建省杰青（2019），国家重大人才工程领军人才（教育部，2024）。主要从事高维数据统计分析、统计学习算法等研究。先后担任美国统计协会会刊JASA等6个期刊编委（AE），在AOS,JASA,Biometrika,JMLR,中国科学数学等国内外统计学权威期刊发表（含接收）50余篇论文。

Abstract: Identifying latent cluster structures in spatial trends constitutes an important yet challenging task in diverse applications. In this paper,we propose a novel method based on a discrepancy measure over small spatial blocks that effectively uncovers heterogeneity within dynamic spatial data. Our approach effectively detects boundaries where structural changes occur,thus allowing for more nuanced insights into underlying spatial patterns. Unlike methods predicated on strong stationarity assumptions, our framework accommodates piecewise-defined parameters and irregular sampling locations, enabling its broad applicability to real-world datasets. We further establish asymptotic properties and limit distributions of the proposed methods by leveraging the notion of spatial physical dependence, accounting for correlations across spatial domains. Simulations and real data analyses confirm the effectiveness of the method, highlighting its robustness and accuracy in identifying complex spatio-temporal structures.

张荣茂，浙江工商大学特聘教授。现为浙江省现场统计研究会副理事长，多元分析应用专业委员会副理事长，全国概率统计学会理事。曾任浙江大学数学科学学院教授、数据科学中心兼职教授，闽江学者讲座教授。2004年在浙江大学获得博士学位，之后在北京大学从事博士后研究，2006年至2024年在浙江大学工作，多次访问香港科大、香港中文大学和伦敦政治经济学院。主要从事高维时空数据的理论与应用研究，已发表SSCI/SCI论文60多篇，发表的杂志包括AOS，JASA，JOE，JBES等统计与计量经济的顶级期刊。2015年获浙江省杰出青年基金，主持多项国家自然科学基金和省部级基金项目。2021年作为第一申报人获得浙江省自然科学奖（二等奖）和第一届统计学科学技术进步奖（三等奖）。兼任J. Korean Statist. Soc.等杂志编委。

摘要：复杂系统的动力学过程中可能出现状态的临界迁移现象，即，在系统状态发生改变之前存在一个“临界点”或“临界状态”。如何及时识别并预警该临界状态通常是一个有挑战的问题。在这个报告中，将介绍我们基于高维数据对复杂系统临界状态进行识别与预警的一些努力和结果。主要涉及对高维动力系统未来状态的预测方法、对动态网络标志物的识别方法、以及对动力系统临界点的智能预警方法等。

刘 锐，华南理工大学数学学院教授、副院长。围绕复杂系统临界状态的识别与预警，在数据挖掘与时序列分析等方面发展数学理论与智能学习算法。获得上海市自然科学一等奖、广东省自然科学二等奖等科技奖励。主持完成国家自然科学基金“数学与医疗健康交叉”重点专项、原创探索计划专项等项目。曾先后入选为教育部青年长江学者、教育部长江学者特聘教授。

Abstract:This talk primarily introduces the development progress of our study on artificial intelligence algorithms and complex systems,along with some recent advancements. It will particularly focus on issues such as the phase reduction in complex biological oscillators,fusion of multiple complex dynamics,implementation in prediction using low-power intelligent computing architectures,the regulation of oscillatory dynamics.

W ei Lin received his Ph.D. degree in Applied Mathematics from Fudan University,Shanghai,China,in 2003,specializing in nonlinear dynamical systems and chaotic artificial neural networks. Since 2009,he has been a Full Professor of Applied Mathematics at Fudan University. He currently serves as the Director of the Academic Affairs Office and the Dean of the Research Institute of Intelligent Complex Systems at Fudan University. His major contributions have been published in prestigious journals and conference proceedings,including IEEE Transactions journals,Physical Review Letters (PRL),Proceedings of the National Academy of Sciences (PNAS),Nature Communications,Nature Physics,SIAM journals,ICLR,ICML,AAAI,and NeurIPS. His current research interests include stochastic systems,complex systems,data assimilation,causality analytics,and their applications to computational systems biology and artificial intelligence. He received the Best Paper Prize from the International Consortium of Chinese Mathematicians in 2019 and the First Prize of the Shanghai Natural Science Award in 2020 and 2024.

摘要：光刻是芯片制造中无可争议的核心技术，尤其是以193nm波长深紫外（DUV）和13.5nm波长极紫外（EUV）为代表的紫外光刻技术是先进制程中不可或缺的关键。为了进一步提升光刻分辨能力，必须不断降低光刻工艺因子（k1）直至接近物理极限。相应的，对光刻光学系统仿真计算的精度要求也越来越高：从光源照明经掩膜至投影物镜，必须准确考虑部分相干光源特性、光刻掩膜3D矢量衍射特性以及投影物镜波像差影响等多重因素的综合影响。为此，我们从矢量衍射理论出发，讨论光刻光学系统中空间频率的激发与生成、变换与调制的链路流程。尤其针对大尺寸复杂光刻掩膜的仿真计算需求，提出一种基于龙格-库塔的迭代式电磁场求解算法，将其用于紫外光刻光学系统的整体仿真，分析该算法的精度和效率及其在光刻系统联合优化中的潜在应用。

张斯特，中国科学院长春光学精密机械与物理研究所研究员、博士生导师。获德国耶拿大学最优等博士学位，曾任德国LightTrans公司技术总监，负责物理光学仿真软件VirtualLab Fusion核心算法研发，现任光学系统先进制造全国重点实验室副主任。2021年获评吉林省长白山青年拔尖人才，2022年入选人社部高层次留学人才资助计划、同年入选中国科学院人才计划项目。围绕大规模集成电路制造中的光刻光学技术，作为主管设计师参与国产通用光学设计分析软件研发、开发了紫外光刻中必须的多层镀膜仿真算法。作为技术负责人于2022年获工信部高质量发展专项支持，针对高端光刻掩膜元件开展电磁仿真算法研发工作。与深圳市新凯来技术有限公司（长春）建立联合研究，为光刻投影系统设计中镀膜引入的波像差提供精准仿真算法。现专注于包含微观结构和宏观元件的光刻光学系统整体仿真与优化。

Abstract: In this talk,we will focus on the approximation upper and lower bounds for transformers. As an application,we will derive the convergence rates for several tasks involving learning with transformers to understand LLM training,Incontext Learning.

焦雨领，武汉大学人工智能学院，教授博导，副院长。入选国家高层次青年人才，主要研究机器学习、科学计算。近期关注深度学习数理基础，在计算数学、应用数学、统计学、电子工程、人工智能等领域的旗舰期刊和会议上发表论文三十多篇： SIAM 系列（5篇）、Appl.Comput. Harmon. Anal.(2篇)、Inverse Probl. (2 篇)；Ann. Stat.（3篇）、J.Amer. Statist. Assoc.（2篇）； IEEE Trans. Inf. Theory (5篇)、IEEE Trans. Signal Process.（3篇）；J. Mach. Learn. Res. (7篇)、ICML (3 篇)、NeurIPS (4篇，其中一篇Oral、一篇Spotlight)；Nat. Commun.。主持国家重点研发计划子课题、国家自然科学基金面上项目及一批同华为开展的校企合作项目。

Abstract: Kimina-Prover is the first large formal reasoning model,jointly developed by Numina and Moonshot AI. It can reason in a human-like manner and rigorously prove mathematical theorems in the structured language Lean 4. Building on the reinforcement learning pipeline of Kimi k1.5 and incorporating a proposed formal reasoning pattern,Kimina-Prover significantly improves proof efficiency and achieves an accuracy rate of over 80% on the standard miniF2F benchmark for the first time. The model generates full proofs without prover feedback, demonstrating strong performance consistent with Kimi k1.5, without relying on complex techniques such as Monte Carlo tree search or value functions. Experiments show that model performance scales significantly with size (e.g., 72B), a trend previously unobserved in neural theorem provers. Additionally, the model uses the longest context window of up to 32K tokens for training and inference and designs a unique “Formal Reasoning Pattern” to bridge the gap between formal verification and informal mathematical intuition.

LIU Zhengying is a researcher at Moonshot AI (Kimi),focusing on large language models (LLMs) and AI for Math. He led the Kimina series project in collaboration with Numina and participated in the development of the Kimi K2 series. Since 2016,he has been in pursuit of enabling AI to perform superhuman mathematical intelligence. From 2021 to 2024,he led projects on neural theorem proving and AI Agents at Huawei Noah’s Ark Lab,with publications at NeurIPS,ACL,ICLR,etc. He obtained his Ph.D. in artificial intelligence from Université Paris-Saclay specializing in automated deep learning,advised by Isabelle Guyon. He obtained his Master degree in both fundamental mathematics and computer science from Ecole polytechnique and a Bachelor’s degree in physics and mathematics from Peking University’s Yuanpei College.

有关单位介绍

1. 中国科学院国家数学与交叉科学中心

2010年11月，中国科学院根据国务院第105次常务会议精神，成立中国科学院国家数学与交叉科学中心（交叉中心）。时任国务委员刘延东在成立大会上指出交叉中心“要围绕国家战略需求，瞄准世界科技前沿，着力加强基础研究，促进学科交叉融合，努力解决影响未来发展的重大科学和关键技术问题，为国家现代化建设提供坚实科技支撑。”

在中国科学院与相关单位的持续支持下，交叉中心围绕国家战略需求，瞄准世界科技前沿，在数学与信息技术、材料能源、先进制造、生物医学、经济金融、物质科学等领域组织布局了一批重大研究专题，取得了多项重大进展和突破，产生了数学与系统科学若干新的生长点，促进了若干学科难题的解决与数学及交叉学科的发展，为推动我国自然科学、工程技术和经济社会等各学科的发展做出了重要贡献。此外，作为首个面向全国的数学与交叉应用的重要机构（或者学术单元），交叉中心在不断探索中逐步搭建起与各领域科学家、企业家和数学家交流合作的有效平台、在凝聚和培养交叉型人才、体制机制创新等方面也发挥了重要的示范作用。

2023年4月，交叉中心组建了新一届领导班子，重组了六个交叉研究部（数学与信息技术交叉研究部、大数据与人工智能数学理论研究部、数学与先进计算交叉研究部、数学与生物医学交叉研究部、数学与经济社会交叉研究部、数学与物质科学交叉研究部），成立了新一届交叉中心学术咨询委员会，确定了未来的主要任务。交叉中心将遵循成立宗旨，继续为我国数学与交叉科学的发展做出贡献。

2. 厦门大学邹至庄经济研究院

厦门大学邹至庄经济研究院于2022年5月正式成立，其前身为成立于2016年11月的厦大邹至庄经济研究中心，是以世界著名经济学家邹至庄教授名字命名的一个实体教学与研究单位，由邹至庄教授伉俪捐款和厦门大学配套经费支持

成立。其使命是培养世界一流的经济学家，关注中国经济与政策研究，产出国际一流的原创性成果，成为海峡两岸暨香港、澳门乃至亚洲的经济学国际学术交流中心。

邹至庄经济研究院拥有厦门大学-中国科学院计量建模与经济政策研究基础科学中心、计量经济学教育部重点实验室（厦门大学）、以及厦门大学宏观经济研究中心。

厦门大学-中国科学院计量建模与经济政策研究基础科学中心是厦门大学王亚南经济研究院与中国科学院预测科学研究中心联合申请，于2019年获批立项的国家自然科学基金委员会管理科学部首个基础科学中心项目，也是福建省和厦门大学的首个国家级基础科学中心项目。

计量经济学教育部重点实验室（厦门大学）是2009年教育部立项、2013年正式获批的全国首批文理交叉教育部重点实验室，也是全国首个经济学教育部重点实验室，致力于推动厦门大学乃至中国的计量经济学教育、研究与国际学术交流。

厦门大学宏观经济研究中心成立于2001年9月，是以厦门大学经济学科为基础而设立的一个具有综合研究性质的实体研究机构。该中心从2005年2月起，成为教育部人文社会科学重点研究基地之一和国家哲学社会科学创新基地的重要组成部分，长期从事中国宏观经济分析与预测研究。

邹至庄经济研究院秉承严谨求实的科学探索精神，致力于推进经济学研究范式与研究方法创新，依托在计量经济学、统计学与数据科学、预测科学、政策经济学、数量金融学、国际经济学、资源环境与气候变化经济学等领域的研究优势，积极推动学科交融，致力科学前沿突破，解决共性难题，拓展原创性知识体系；致力于面向国家经济建设与社会治理重大需求，开展有针对性的政策研究，推动新型智库建设；致力于培养以学术为导向，具有扎实经济学理论基础，系统掌握计量经济学原理和应用方法，深刻了解中国经济制度的高端学术型人才。

邹至庄经济研究院发展的愿景是在计量建模与预测科学领域取得若干重大原创性突破，引领国际学术前沿；培养一批国际一流的经济学家与管理学家，形成冲击若干国际学术大奖的学术实力；建成以量化分析为特色，在国内外有重要影响的科学智库，服务国家社会经济发展重大需求；搭建可与普林斯顿高等研究院相媲美的计量经济学与预测科学国际学术交流中心，推进国际交流；用国际语言讲述“中国故事”，在经济学与管理学若干领域形成有重大国际影响的“中国学派”。

3. 厦门大学经济学科

厦门大学经济学科渊源于1921年厦门大学建校伊始的商学部，与百余年历史的厦门大学同呼吸、共命运，目前包括经济学院、王亚南经济研究院（以下简称WISE）和邹至庄经济研究院三个单位，形成了“三位一体”的新发展格局。

经济学院成立于1982年，继承“以中国人的资格来研究政治经济学”的优良传统，是改革开放后中国大陆重点综合性大学建立的第一所经济学院，延续百余年学脉，已成为我国最重要、最具影响力的现代经济学教学重镇之一。

WISE于2005年成立，以“成为中国和亚太地区一流的、与国际接轨的现代经济学研究机构及国际交流中心”为办学目标，是中国经济学科国际学术交流的重要基地。

邹至庄经济研究院于2022年5月正式成立，由2016年成立的邹至庄经济研究中心升格而成，拥有国家自然科学基金“计量建模与经济政策研究”基础科学中心等多个国家级教研平台。

如今的厦大经济学科，兼具深厚学科底蕴、前沿的学科实力和广泛的国内外影响力，已成为厦门大学最重要的优势学科和支柱学科之一。2017年3月，厦大社会科学总论进入基本科学指标ESI（Essential Science Indicators）全球前1%，其中经济学科的贡献度为66%。2019年11月，厦大经济学与商学进入ESI全球前1%。2024年，据高等教育评价专业机构软科发布的“2024软科世界一流学科排名”，厦大经济学科“经济学”在全球排名位列68；据U.S. News发布的2025-2026年度世界大学学科排名，厦门大学“经济学与商学”位列全球第24。2025年，厦门大学经济学和计量经济学科在全球高等教育研究机构Quacquarelli Symonds （简称QS）世界大学学科排名，位列全球第78。

百年芳华，春风化雨，学科秉承育人为本的理念，实施“质量立院”战略，以稳定规模、提高质量为主线，更新教育观念，以国际化为抓手，深化教育教学和培养机制改革，提高教学质量。思者常新，恒者行远，传承百年积淀，开拓创新篇章，站在新的历史节点，厦大经济学科将继续以“三位一体”的崭新面貌，秉承“自强不息，止于至善”的校训，奋力迈进在建设“双一流”道路上，在磨砺中稳步前进。