根据中国人工智能学会2026年度吴文俊人工智能科学技术奖提名工作的有关要求，现将拟提名项目有关信息予以公示。
一 、公示信息
成果名称 |
信息失配下的神经网络更新动力学理论与方法 |
主要完成人 |
金龙、曾志刚、陈良铭、黄浩恩、李帅 |
主要完成单位 |
兰州大学、华中科技大学 |
奖种 |
吴文俊人工智能自然科学奖 |
提名者 |
兰州大学 |
拟提名等级 |
一等奖 |
二 、公示时间
2026年9月10日至2026年9月17日。
三、 意见受理方式
公示期间，如对公示内容有异议，请以书面形式向我单位反映。以个人名义反映情况的，请提供真实姓名（并签名）、联系方式和反映事项的证明材料等；以单位名义反映情况的，请提供单位名称（并加盖公章）、联系人、联系方式和反映事项的证明材料等。凡匿名异议、超出期限异议的不予受理。
联系人：胡老师
联系电话：0571-86089127
电子邮箱：hushaoxiong@ucas.ac.cn
四、项目简介
神经网络更新动力学是智能系统学习、求解与协同的重要支撑。1985年，诺贝尔奖得主John J. Hopfield教授利用循环神经网络求解组合优化问题，开创了神经网络更新动力学优化范式。2023年，诺贝尔奖得主Giorgio Parisi教授指出：“复杂优化问题可能存在特别多的局部极小点，使算法求解时间呈指数级增长。”在病态随机、目标时变和通信受限条件下，微观层面更新方向失配，个体层面历史状态滞后，群体层面全局表征不全。针对此类难题，传统方法难以兼顾稳定性、实时性、协同性。项目组经十余年攻关，提出基于“微观机制重塑、个体行为预判、群体最优解涌现”的神经网络更新动力学创新思路，取得如下原创成果：
第一，微观更新动力学机制重塑：针对求解动态优化问题时，病态条件下微观更新方向失配，难以准确反映理想更新方向的难题，发现了梯度重构与参数演化的关联规律，揭示了非线性梯度变换对更新方向和收敛行为的调控机制，提出了梯度动力学重塑方法，建立了信息失配下具有收敛保障的参数更新动力学理论，为复杂优化过程中微观更新的稳定性提供了理论保障。被美国国家科学院院士、美国国家工程院院士H. Vincent Poor教授、中国工程院院士桂卫华教授等引用与正面评价，如“深度学习中高效优化病态问题的里程碑”。
第二，个体更新动力学行为预判：针对求解动态优化问题时，个体因目标解时变而面临历史信息与当前状态失配、直接用于更新易产生滞后偏差的难题，发现了时变目标演化与神经状态误差的关联规律，揭示了时变信息与误差调节协同驱动解轨迹预判的机制，提出了时间微分补偿、历史误差积分反馈和状态触发自适应更新方法，建立了时变解在线预判方法体系，确保实时准确求解。被欧洲科学院院士Hamid Reza Karimi、中国工程院院士刘宏教授引用与评价，如“时变问题求解方面的一项突破”。
第三，群体更新动力学最优解涌现：针对求解动态优化问题时，群体内部竞争条件下，节点仅掌握局部信息而面临全局状态表征不充分、最优解难以协同涌现的难题，发现了邻域交互与群体全局最优状态形成的关联规律，揭示了局部竞争协作经网络耦合产生全局选择、均衡与协同行为机制，提出了分布式竞争协作方法，建立了局部信息驱动群体最优解涌现的网络更新动力学理论。被中国工程院院士于海斌教授团队引用与正面评价为“该框架展现出了令人印象深刻的稳定性和收敛性保证”。
项目组建立了贯通微观机制重塑、个体行为预判与群体最优解涌现的神经网络更新动力学体系，相关成果在深度网络训练、时变求解、多机器人协同及工业流程调度中得到验证。其中，相关方法应用于中冶南方工业调度系统，相比离散迭代计算方法，总浇铸时间压缩30%；为海洋观测任务中的多平台协同提供支持，服务于海洋观测能力提升。按现有Wos统计，8篇代表性论文他引1045次。第一完成人获吴文俊人工智能优秀青年奖，人工智能学会优秀博士学位论文指导教师，入选中组部青年拔尖人才；第二完成人获教育部、湖北省自然科学奖一等奖，获国家杰出青年科学基金资助，入选长江学者特聘教授、国家“万人计划”科技创新领军人才和IEEE Fellow。
五、代表性论文目录
序号 |
作者 |
论文题名 |
发表期刊 |
年卷期页码 |
1 |
Long Jin（金龙）, Lin Wei, Shuai Li（李帅） |
Gradient-Based Differential Neural-Solution to Time-Dependent Nonlinear Optimization |
IEEE Transactions on Automatic Control |
2023, 68(1): 620-627 |
2 |
Mei Liu, Liangming Chen（陈良铭）, Xiaohao Du, Long Jin（金龙）, Mingsheng Shang |
Activated Gradients for Deep Neural Networks |
IEEE Transactions on Neural Networks and Learning Systems |
2023, 34(4): 2156-2168 |
3 |
Haoen Huang（黄浩恩）, Zhigang Zeng（曾志刚） |
An Accelerated Approach on Adaptive Gradient Neural Network for Solving Time-Dependent Linear Equations: A State-Triggered Perspective |
IEEE Transactions on Neural Networks and Learning Systems |
2025, 36(3): 5070-5081 |
4 |
Shuai Li（李帅）, Yunong Zhang, Long Jin（金龙） |
Kinematic Control of Redundant Manipulators Using Neural Networks |
IEEE Transactions on Neural Networks and Learning Systems |
2017, 28(10): 2243-2254 |
5 |
Haoen Huang（黄浩恩）, Dongyang Fu, Xiuchun Xiao, Yangyang Ning, Huan Wang, Long Jin（金龙）, Shan Liao |
Modified Newton Integration Neural Algorithm for Dynamic Complex-Valued Matrix Pseudoinversion Applied to Mobile Object Localization |
IEEE Transactions on Industrial Informatics |
2021, 17(4): 2432-2442 |
6 |
Shuai Li（李帅）, Mengchu Zhou, Xin Luo, Zhu-Hong You |
Distributed Winner-Take-All in Dynamic Networks |
IEEE Transactions on Automatic Control |
2017, 62(2): 577-589 |
7 |
Shuai Li（李帅）, Jinbao He, Yangming Li, Muhammad Usman Rafique |
Distributed Recurrent Neural Networks for Cooperative Control of Manipulators: A Game-Theoretic Perspective |
IEEE Transactions on Neural Networks and Learning Systems |
2017, 28(2): 415-426 |
8 |
Mei Liu, Yutong Li, Yingqi Chen, Yimeng Qi, Long Jin（金龙） |
A Distributed Competitive and Collaborative Coordination for Multirobot Systems |
IEEE Transactions on Mobile Computing |
2024, 23(12): 11436-11448 |
