“双响炮”！南大LAMDA组一个月内连获人工智能AAAI & EDA 两大顶会最佳论文奖
2025年02月28日 14:47 来源：LAMDA课题组
近日，南京大学副校长周志华领导的LAMDA课题组接连斩获EDA 、AAAI两大顶级会议的最佳论文奖。
首位大陆学者！南京大学周志华教授当选国际人工智能联合会（IJCAI）理事会主席2024人工智能顶级华人学者论文统计：何恺明、李飞飞、吴恩达、周志华、沈春华居前五厉害了！继周志华后，南大校友过敏意荣获IEEE Edward J. McCluskey技术成就奖。
近日，在国际人工智能联合会议AAAI 2025上，南京大学周志华团队凭借其原创性神经-符号学习领域的反绎学习（Abductive Learning，简称ABL）框架的最新研究成果“Efficient Rectification of Neuro-Symbolic Reasoning Inconsistencies by Abductive Reflection”荣获最佳论文奖（Outstanding Paper Award）。该奖项再次彰显了周志华团队在人工智能领域的卓越贡献和创新能力。论文第一作者胡文超（南京大学人工智能学院博士生）、第二作者戴望州（南京大学智能科学与技术学院）、第三作者姜远（南京大学人工智能学院），通讯作者是周志华（南京大学人工智能学院）。
据了解，今年的 AAAI会议共12957 篇有效投稿，其中录用3029篇，最佳论文仅3篇。
反绎学习框架是周志华团队于2019年首次提出的一种创新研究范式，成果最早发表于国际人工智能顶级会议NeurIPS。不同于以深度学习为代表的数据驱动方法，ABL创造性地实现了知识数据双驱动，将机器学习与逻辑推理以均衡的方式相结合，并能够通过端对端的学习方式实现从原始输入到输出的直接控制。其灵活的框架和实用的性能，使得ABL在某些任务中的表现超越了目前最先进的深度学习模型。
反绎（abduction）的概念在人工智能历史上曾多次被讨论，并尝试与符号归纳相结合。周志华团队经过多年的深入探索，提出了原创性的反绎学习框架，并对其进行了多次扩展和改进。相关研究成果发表于AAAI、IJCAI、NeurIPS等国际人工智能顶级会议，为人工智能领域带来了新的突破和发展。
本次获奖的论文“Efficient Rectification of Neuro-Symbolic Reasoning Inconsistencies by Abductive Reflection”是基于ABL框架的进一步改进。作者受人类认知反思的启发，提出了一种称为反绎反思（Abductive Reflection, ABL-Refl）的方法。该方法在训练过程中利用领域知识反绎出反思向量，用于标记神经网络输出中的潜在错误，并在推理时通过反绎推理进行纠正，从而生成符合领域知识的输出。
相比于以往的ABL相关方法，ABL-Refl更加高效。实验结果表明，ABL-Refl在减少训练资源需求的同时，提高了学习效率并实现了更高的准确率，优于当前最先进的神经符号学习方法。这一突破不仅为神经-符号学习领域提供了新的思路和方法，也为人工智能的发展注入了新的活力和动力。
周志华团队的这一研究成果再次证明了反绎学习框架的潜力和价值。未来，该团队将继续深化对反绎学习的研究，探索更多创新应用，为人工智能领域的发展做出更大的贡献。
联手华为诺亚！南京大学LAMDA团队斩获DATE 2025斩获最佳论文，突破百亿晶体管设计难关
电子设计自动化（EDA）作为芯片设计的核心领域，素有“芯片之母”之称，对半导体产业的发展起着至关重要的作用。近日，在EDA领域的顶级国际学术会议——欧洲设计自动化与测试会议（DATE）2025上，南京大学LAMDA实验室钱超教授团队携手华为诺亚方舟实验室，凭借论文“Timing-Driven Global Placement by Efficient Critical Path Extraction”荣获最佳论文奖，标志着我国在先进芯片设计技术上的又一重大突破。论文第一作者侍昀琦、第四作者林熙、第五作者薛轲分别是南京大学人工智能学院的硕士生、本科生和博士生，钱超教授为通讯作者，论文与华为诺亚方舟实验室合作完成。
DATE会议自1994年创办以来，已成功举办31届，是EDA领域研究成果展示与交流的重要平台。本次会议于3月31日至4月2日在法国里昂举行，共收到超过1200篇投稿，经过严格评审，最终录用率约为25%，而最佳论文奖仅有4篇，获奖率极低，仅为0.3%。
南京大学LAMDA团队针对大规模芯片标准单元的全局布局问题，提出了一种高效的关键路径提取技术。该技术能够全面覆盖所有时序违例端点，精确建模时序目标，并在优化过程中兼顾布线长度、布局密度等多个关键指标。实验结果表明，与当前最先进的算法相比，该技术在关键时序指标TNS和WNS上分别实现了40.5%和8.3%的显著提升。审稿人对这一成果给予了高度评价，认为“结果令人印象非常深刻，超过了所有先进工作”。
值得一提的是，南京大学LAMDA实验室与华为诺亚的合作不仅限于此次获奖的论文。双方正在进一步深入合作，旨在通过先进的芯片设计技术来突破当前先进制造工艺的局限。这一合作不仅体现了南京大学在EDA领域的深厚底蕴，也彰显了华为诺亚在技术创新上的强大实力。
近年来，AI技术在芯片设计领域的应用吸引了全球范围内的广泛关注。众多EDA行业的领军企业纷纷推出融合了AI技术的EDA产品，旨在提升芯片设计的效率与精确度。在此背景下，南京大学LAMDA实验室同样展现出了非凡的实力。依托其在演化学习领域的深厚理论基础和长期研究，该实验室成功研发了一系列针对芯片设计中复杂优化难题的原创性先进算法。特别是在芯片宏元件布局方面，相比Google在《Nature》2021年发表的方法，LAMDA实验室的算法在布线长度上实现了80%以上的缩减；与当前最先进的开源EDA工具OpenROAD相比，其在芯片最终时序指标上更是提升了超过65%，并因此荣获ACM SIGEVO Human-Competitive Results奖项。这些算法在芯片宏元件布局、寄存器寻优等关键环节均取得了显著效果，部分技术已被华为海思等知名企业采纳并实施验证，成功解决了华为“揭榜挂帅”项目中的多项难题，其中，芯片寄存器寻优效率的平均提升幅度更是达到了惊人的22.14倍。
此次获得DATE 2025最佳论文奖，不仅是对南京大学LAMDA团队和华为诺亚方舟实验室合作成果的肯定，也是对我国在EDA领域技术创新能力的有力证明。未来，随着双方合作的不断深入，我们有理由相信，我国在先进芯片设计技术上将取得更多突破性进展，为半导体产业的蓬勃发展贡献更多中国智慧和中国力量。
南京大学人工智能学院LAMDA组获人工智能领域顶级国际学术会议AAAI 2025杰出论文奖
发布时间：2025-03-03 南京大学人工智能学院 浏览次数：2651
近日在美国费城举行的第39届国际人工智能大会(AAAI 2025)上，LAMDA组胡文超博士生第一作者的论文“ Efficient Rectification of Neuro-Symbolic Reasoning Inconsistencies by Abductive Reflection”荣获大会杰出论文奖（Outstanding Paper Award）。据悉，此次大会在12957篇主会投稿中录用3029篇，其中3篇被评为杰出论文奖。
此次获奖论文是对周志华教授2018年原创提出的“反绎学习”（Abductive Learning）的最新发展。反绎学习能够均衡互促地融合机器学习与逻辑推理，这种数据知识双驱动的人工智能理论方法为人工智能技术在可信可靠性要求较高的任务中发挥作用提供了可能。此次论文在“反绎学习”中引入“反思”（reflection）机制，在增强机器学习结果可信可靠性的同时显著提高了反绎学习的效率。
南京大学人工智能学院LAMDA组获EDA领域顶级国际学术会议DATE 2025最佳论文奖
发布时间：2025-02-23 南京大学人工智能学院 浏览次数：2297
电子设计自动化（Electronic Design Automation，EDA）是芯片设计的基石产业，被誉为“芯片之母”。欧洲设计自动化与测试会议（Design, Automation and Test in Europe Conference，DATE）是EDA领域的顶级国际学术会议。近日，我院LAMDA组钱超教授团队在DATE 2025发表论文“Timing-Driven Global Placement by Efficient Critical Path Extraction”，获最佳论文奖。论文第一作者侍昀琦、第四作者林熙、第五作者薛轲分别是南京大学人工智能学院的硕士生、本科生和博士生，钱超教授为通讯作者，论文与华为诺亚方舟实验室合作完成。该工作针对大规模芯片标准单元的全局布局问题，通过高效的关键路径提取技术，覆盖所有时序（即传播时延约束，是实现芯片功能的关键）违例端点，从而精确建模时序目标，并且在优化时兼顾布线长度、布局密度、时序等多个目标；较最先进算法，在关键时序指标TNS和WNS上分别提升40.5%和8.3%。审稿人高度评价该工作，称“结果令人印象非常深刻，超过了所有先进工作”（“The results are very impressive, outperforming all state-of-the-art works”），取得显著提升（“significant improvements”）。DATE自1994年创办以来已举办31届，今年将于3月31日至4月2日在法国里昂召开。DATE今年收到逾1200篇投稿，录用率约25%，共评选出4篇最佳论文奖（获奖率仅0.3%）。
图1: 基于高效关键路径提取技术的时序目标建模
近期，AI技术在芯片设计中的应用受到了国际上高度关注。Google在Nature提出AlphaChip，应用于TPU设计，而多家EDA头部厂商也推出了AI赋能的EDA产品。芯片设计流程冗长复杂，存在大量复杂优化问题。作为人工智能的重要研究分支，演化算法受达尔文进化论启发，通过模拟“交叉变异”和“自然选择”行为，可用于求解机器学习中复杂优化问题，但这类算法几乎纯粹是“启发式”：在不少情况下有效, 但为何奏效、在何种条件下奏效却并不清楚。LAMDA组周志华教授带领俞扬教授和钱超教授长期努力，希望能够建立起相应理论基础，并对算法设计给出指导；2019年他们在Springer出版专著《Evolutionary Learning: Advances in Theories and Algorithms》，总结了他们在该方向上过去二十年的主要工作，并于2021年出版中文版《演化学习：理论与算法进展》。基于在演化学习方向的长期理论研究，近期针对芯片设计中的复杂优化问题设计出了多个原创领先算法，如针对芯片宏元件布局问题，较Google在Nature’21提出方法的布线长度缩短80%以上，较当前最先进的开源EDA工具OpenROAD的芯片最终时序指标提升超65%，在ACM SIGEVO Human-Competitive Results获奖；若干技术在华为海思落地验证，攻克华为“揭榜挂帅”难题，包括将芯片寄存器寻优效率平均提升 22.14 倍等。LAMDA组目前与华为正在进一步合作攻关，希望通过先进芯片设计缓解当前先进制造工艺局限。
南京大学人工智能学院学生团队荣获2024中国国际大学生创新大赛全国金奖
2024年10月13日至15日，2024年中国国际大学生创新大赛全国总决赛在上海交通大学举行。由我院周志华、申富饶、詹德川三位教授指导，博士生陈杰杰担任第一负责人的《VSR天基红外系统——全国首个商业红外卫星场景应用大数据平台》项目荣获高教主赛道研究生创业组金奖。
中国国际大学生创新大赛是促进中外大学生创新创业、深化产教融合的国际性高水平科创赛事。本届大赛共吸引来自国内外153个国家和地区的514万个项目、2084万人次报名参赛。
我院推荐的“VSR天基红外系统”项目通过结合多源异构的数据仓库，利用商业卫星收集数据，并运用先进的AI算法和大数据平台进行分析，有效解决了数据获取不足、使用困难和专业门槛高的问题，推动了卫星技术在多个领域的应用。
2025年02月28日 14:47 来源：LAMDA课题组
近日，南京大学副校长周志华领导的LAMDA课题组接连斩获EDA 、AAAI两大顶级会议的最佳论文奖。
首位大陆学者！南京大学周志华教授当选国际人工智能联合会（IJCAI）理事会主席2024人工智能顶级华人学者论文统计：何恺明、李飞飞、吴恩达、周志华、沈春华居前五厉害了！继周志华后，南大校友过敏意荣获IEEE Edward J. McCluskey技术成就奖。
近日，在国际人工智能联合会议AAAI 2025上，南京大学周志华团队凭借其原创性神经-符号学习领域的反绎学习（Abductive Learning，简称ABL）框架的最新研究成果“Efficient Rectification of Neuro-Symbolic Reasoning Inconsistencies by Abductive Reflection”荣获最佳论文奖（Outstanding Paper Award）。该奖项再次彰显了周志华团队在人工智能领域的卓越贡献和创新能力。论文第一作者胡文超（南京大学人工智能学院博士生）、第二作者戴望州（南京大学智能科学与技术学院）、第三作者姜远（南京大学人工智能学院），通讯作者是周志华（南京大学人工智能学院）。
据了解，今年的 AAAI会议共12957 篇有效投稿，其中录用3029篇，最佳论文仅3篇。
反绎学习框架是周志华团队于2019年首次提出的一种创新研究范式，成果最早发表于国际人工智能顶级会议NeurIPS。不同于以深度学习为代表的数据驱动方法，ABL创造性地实现了知识数据双驱动，将机器学习与逻辑推理以均衡的方式相结合，并能够通过端对端的学习方式实现从原始输入到输出的直接控制。其灵活的框架和实用的性能，使得ABL在某些任务中的表现超越了目前最先进的深度学习模型。
反绎（abduction）的概念在人工智能历史上曾多次被讨论，并尝试与符号归纳相结合。周志华团队经过多年的深入探索，提出了原创性的反绎学习框架，并对其进行了多次扩展和改进。相关研究成果发表于AAAI、IJCAI、NeurIPS等国际人工智能顶级会议，为人工智能领域带来了新的突破和发展。
本次获奖的论文“Efficient Rectification of Neuro-Symbolic Reasoning Inconsistencies by Abductive Reflection”是基于ABL框架的进一步改进。作者受人类认知反思的启发，提出了一种称为反绎反思（Abductive Reflection, ABL-Refl）的方法。该方法在训练过程中利用领域知识反绎出反思向量，用于标记神经网络输出中的潜在错误，并在推理时通过反绎推理进行纠正，从而生成符合领域知识的输出。
相比于以往的ABL相关方法，ABL-Refl更加高效。实验结果表明，ABL-Refl在减少训练资源需求的同时，提高了学习效率并实现了更高的准确率，优于当前最先进的神经符号学习方法。这一突破不仅为神经-符号学习领域提供了新的思路和方法，也为人工智能的发展注入了新的活力和动力。
周志华团队的这一研究成果再次证明了反绎学习框架的潜力和价值。未来，该团队将继续深化对反绎学习的研究，探索更多创新应用，为人工智能领域的发展做出更大的贡献。
联手华为诺亚！南京大学LAMDA团队斩获DATE 2025斩获最佳论文，突破百亿晶体管设计难关
电子设计自动化（EDA）作为芯片设计的核心领域，素有“芯片之母”之称，对半导体产业的发展起着至关重要的作用。近日，在EDA领域的顶级国际学术会议——欧洲设计自动化与测试会议（DATE）2025上，南京大学LAMDA实验室钱超教授团队携手华为诺亚方舟实验室，凭借论文“Timing-Driven Global Placement by Efficient Critical Path Extraction”荣获最佳论文奖，标志着我国在先进芯片设计技术上的又一重大突破。论文第一作者侍昀琦、第四作者林熙、第五作者薛轲分别是南京大学人工智能学院的硕士生、本科生和博士生，钱超教授为通讯作者，论文与华为诺亚方舟实验室合作完成。
DATE会议自1994年创办以来，已成功举办31届，是EDA领域研究成果展示与交流的重要平台。本次会议于3月31日至4月2日在法国里昂举行，共收到超过1200篇投稿，经过严格评审，最终录用率约为25%，而最佳论文奖仅有4篇，获奖率极低，仅为0.3%。
南京大学LAMDA团队针对大规模芯片标准单元的全局布局问题，提出了一种高效的关键路径提取技术。该技术能够全面覆盖所有时序违例端点，精确建模时序目标，并在优化过程中兼顾布线长度、布局密度等多个关键指标。实验结果表明，与当前最先进的算法相比，该技术在关键时序指标TNS和WNS上分别实现了40.5%和8.3%的显著提升。审稿人对这一成果给予了高度评价，认为“结果令人印象非常深刻，超过了所有先进工作”。
值得一提的是，南京大学LAMDA实验室与华为诺亚的合作不仅限于此次获奖的论文。双方正在进一步深入合作，旨在通过先进的芯片设计技术来突破当前先进制造工艺的局限。这一合作不仅体现了南京大学在EDA领域的深厚底蕴，也彰显了华为诺亚在技术创新上的强大实力。
近年来，AI技术在芯片设计领域的应用吸引了全球范围内的广泛关注。众多EDA行业的领军企业纷纷推出融合了AI技术的EDA产品，旨在提升芯片设计的效率与精确度。在此背景下，南京大学LAMDA实验室同样展现出了非凡的实力。依托其在演化学习领域的深厚理论基础和长期研究，该实验室成功研发了一系列针对芯片设计中复杂优化难题的原创性先进算法。特别是在芯片宏元件布局方面，相比Google在《Nature》2021年发表的方法，LAMDA实验室的算法在布线长度上实现了80%以上的缩减；与当前最先进的开源EDA工具OpenROAD相比，其在芯片最终时序指标上更是提升了超过65%，并因此荣获ACM SIGEVO Human-Competitive Results奖项。这些算法在芯片宏元件布局、寄存器寻优等关键环节均取得了显著效果，部分技术已被华为海思等知名企业采纳并实施验证，成功解决了华为“揭榜挂帅”项目中的多项难题，其中，芯片寄存器寻优效率的平均提升幅度更是达到了惊人的22.14倍。
此次获得DATE 2025最佳论文奖，不仅是对南京大学LAMDA团队和华为诺亚方舟实验室合作成果的肯定，也是对我国在EDA领域技术创新能力的有力证明。未来，随着双方合作的不断深入，我们有理由相信，我国在先进芯片设计技术上将取得更多突破性进展，为半导体产业的蓬勃发展贡献更多中国智慧和中国力量。
南京大学人工智能学院LAMDA组获人工智能领域顶级国际学术会议AAAI 2025杰出论文奖
发布时间：2025-03-03 南京大学人工智能学院 浏览次数：2651
近日在美国费城举行的第39届国际人工智能大会(AAAI 2025)上，LAMDA组胡文超博士生第一作者的论文“ Efficient Rectification of Neuro-Symbolic Reasoning Inconsistencies by Abductive Reflection”荣获大会杰出论文奖（Outstanding Paper Award）。据悉，此次大会在12957篇主会投稿中录用3029篇，其中3篇被评为杰出论文奖。
此次获奖论文是对周志华教授2018年原创提出的“反绎学习”（Abductive Learning）的最新发展。反绎学习能够均衡互促地融合机器学习与逻辑推理，这种数据知识双驱动的人工智能理论方法为人工智能技术在可信可靠性要求较高的任务中发挥作用提供了可能。此次论文在“反绎学习”中引入“反思”（reflection）机制，在增强机器学习结果可信可靠性的同时显著提高了反绎学习的效率。
南京大学人工智能学院LAMDA组获EDA领域顶级国际学术会议DATE 2025最佳论文奖
发布时间：2025-02-23 南京大学人工智能学院 浏览次数：2297
电子设计自动化（Electronic Design Automation，EDA）是芯片设计的基石产业，被誉为“芯片之母”。欧洲设计自动化与测试会议（Design, Automation and Test in Europe Conference，DATE）是EDA领域的顶级国际学术会议。近日，我院LAMDA组钱超教授团队在DATE 2025发表论文“Timing-Driven Global Placement by Efficient Critical Path Extraction”，获最佳论文奖。论文第一作者侍昀琦、第四作者林熙、第五作者薛轲分别是南京大学人工智能学院的硕士生、本科生和博士生，钱超教授为通讯作者，论文与华为诺亚方舟实验室合作完成。该工作针对大规模芯片标准单元的全局布局问题，通过高效的关键路径提取技术，覆盖所有时序（即传播时延约束，是实现芯片功能的关键）违例端点，从而精确建模时序目标，并且在优化时兼顾布线长度、布局密度、时序等多个目标；较最先进算法，在关键时序指标TNS和WNS上分别提升40.5%和8.3%。审稿人高度评价该工作，称“结果令人印象非常深刻，超过了所有先进工作”（“The results are very impressive, outperforming all state-of-the-art works”），取得显著提升（“significant improvements”）。DATE自1994年创办以来已举办31届，今年将于3月31日至4月2日在法国里昂召开。DATE今年收到逾1200篇投稿，录用率约25%，共评选出4篇最佳论文奖（获奖率仅0.3%）。
图1: 基于高效关键路径提取技术的时序目标建模
近期，AI技术在芯片设计中的应用受到了国际上高度关注。Google在Nature提出AlphaChip，应用于TPU设计，而多家EDA头部厂商也推出了AI赋能的EDA产品。芯片设计流程冗长复杂，存在大量复杂优化问题。作为人工智能的重要研究分支，演化算法受达尔文进化论启发，通过模拟“交叉变异”和“自然选择”行为，可用于求解机器学习中复杂优化问题，但这类算法几乎纯粹是“启发式”：在不少情况下有效, 但为何奏效、在何种条件下奏效却并不清楚。LAMDA组周志华教授带领俞扬教授和钱超教授长期努力，希望能够建立起相应理论基础，并对算法设计给出指导；2019年他们在Springer出版专著《Evolutionary Learning: Advances in Theories and Algorithms》，总结了他们在该方向上过去二十年的主要工作，并于2021年出版中文版《演化学习：理论与算法进展》。基于在演化学习方向的长期理论研究，近期针对芯片设计中的复杂优化问题设计出了多个原创领先算法，如针对芯片宏元件布局问题，较Google在Nature’21提出方法的布线长度缩短80%以上，较当前最先进的开源EDA工具OpenROAD的芯片最终时序指标提升超65%，在ACM SIGEVO Human-Competitive Results获奖；若干技术在华为海思落地验证，攻克华为“揭榜挂帅”难题，包括将芯片寄存器寻优效率平均提升 22.14 倍等。LAMDA组目前与华为正在进一步合作攻关，希望通过先进芯片设计缓解当前先进制造工艺局限。
南京大学人工智能学院学生团队荣获2024中国国际大学生创新大赛全国金奖
2024年10月13日至15日，2024年中国国际大学生创新大赛全国总决赛在上海交通大学举行。由我院周志华、申富饶、詹德川三位教授指导，博士生陈杰杰担任第一负责人的《VSR天基红外系统——全国首个商业红外卫星场景应用大数据平台》项目荣获高教主赛道研究生创业组金奖。
中国国际大学生创新大赛是促进中外大学生创新创业、深化产教融合的国际性高水平科创赛事。本届大赛共吸引来自国内外153个国家和地区的514万个项目、2084万人次报名参赛。
我院推荐的“VSR天基红外系统”项目通过结合多源异构的数据仓库，利用商业卫星收集数据，并运用先进的AI算法和大数据平台进行分析，有效解决了数据获取不足、使用困难和专业门槛高的问题，推动了卫星技术在多个领域的应用。
