导读:为了启发青年学者研究思路,激发科研灵感,智源社区推出青年学者访谈栏目。北京邮电大学副教授王啸是国内图学习领域的佼佼者。回顾他的科研历程,从探寻网络研究的本质,到在物理学家的论文中寻找灵感,他对图神经网络研究的热情未曾衰减。未来,他还将继续从基础理论入手,深入探索图神经网络中的不变性。
王啸,北京邮电大学副教授。研究方向为图神经网络、数据挖局与机器学习。天津大学博士,美国圣路易斯华盛顿大学联合培养博士,清华大学计算机系博士后,曾入选ACM中国新星提名奖,以及AI2000学者榜单。
采访&整理:李梦佳、熊宇轩
01
跟随马克纽曼的步伐,在物理研究中寻找灵感
当前,在蓬勃的图神经网络研究浪潮中,研究者针对各种任务提出了五花八门的图神经网络,并且都能够自圆其说。王啸认为,研究者们需要探究图神经网络中的「不变性」,针对图神经网络算法背后的基础理论产生共性认识。以物理学为例,同一套万有引力模型可以同时解释各种物体从高空掉落到地上的现象。
王啸表示,目前计算机科学领域的研究更多偏向针对具体的问题设计新的方法,缺乏挖掘现象背后的本质特性。而图神经网络这一领域纷繁复杂的算法背后,最终需要沉淀出一系列基本准则与共性,这样才能为这一方向奠定出理论基础,才能成为一个有体系的方向,图神经网络的大厦才能够建立起来。
在找寻新的科研灵感过程中,持续跟进国内外的前沿动向至关重要。从刚接触「社区发现」研究开始,王啸就从物理学家马克纽曼(Mark Newman)的研究中汲取了大量的灵感。
物理学家马克纽曼(Mark Newman)
马克纽曼是一位英裔美国物理学家,2014年获得拉格朗日奖。他以在复杂网络和复杂系统领域的基础性贡献而闻名,其基于网络的方法已被应用于心理学、社会学、经济学和生物学等多个领域。纽曼还研究了森林火灾的风险和新西兰海豚的社会行为等丰富的问题。纽曼的论文「复杂网络的结构和功能」在 2001 年至 2011 年期间获得了所有相关论文中最多的引用。
与计算机学者追寻改造世界追求性能提升的思路不同&