2025 年 3 月 29 日上午 9 点，由数学与金融学院组织的一场别开生面的学术讲座通过腾讯会议（会议号：306 - 946 - 791）顺利举行。本次讲座邀请到苏州大学的罗喜召教授，他以 “基于李群的图神经网络的设计” 为主题，为广大师生带来了一场前沿的学术盛宴。 

罗喜召教授在学术领域成就卓越，作为博士生导师，他专注于网络空间安全领域的研究，在数据安全、人工智能安全等多个关键方向深入探索，主持多项 NSFC 重点和面上项目，在 IEEE TIT、TIP 等顶尖期刊发表多篇高质量论文，并荣获 2021 年度吴文俊人工智能科学技术奖科技进步一等奖。同时，他还担任多个重要学术组织的委员及理事，在行业内具有广泛影响力。 

讲座中，罗喜召教授首先对图神经网络（GNN）进行了深入浅出的介绍。他提到，GNN 作为专门处理图结构数据的深度学习模型，能有效捕捉节点间复杂关系，其核心在于利用节点特征与图结构信息，通过迭代更新节点状态，学习高维特征表示。而几何深度学习为众多流行神经网络架构提供了一般蓝图，图神经网络可视作其中的一个特例，处理具有特定对称群的域、域上信号及群 - 等变函数。 

罗喜召教授进一步指出，在几何深度学习蓝图处理的领域中，Grid 和 Mesh 都有连续类比，图却没有。目前，图神经扩散是 GNN 学习的重要方式，其特征传播机制与图上扩散过程相关，可用偏微分方程（PDE）表示。PDE 的思维方式为图神经网络的研究带来诸多优势，像高效数值求解器的运用，这些求解器在流行的 GNN 架构中部分没有直接类比。而李群与 PDE 之间的成熟理论，为图神经网络的设计开辟了新的探索方向，有望带来创新的设计思路和方法。

此次讲座内容前沿且富有深度，拓宽了师生们在图神经网络领域的研究视野。参会师生积极提问，与罗喜召教授展开热烈讨论，在学术交流中碰撞出思维的火花。讲座的成功举办，不仅让师生们对基于李群的图神经网络设计有了更深入的理解，也为相关领域的研究提供了新的思路和方向，有力推动了学院在人工智能相关领域的学术研究进程。

数学与金融学院 林雅荔

审核：林嘉祺 李航 郑仁炜