2021 CCF頒獎(jiǎng)典禮于2022年2月19日在浙江橫店圓明新園法國(guó)館隆重舉行。大會(huì)頒發(fā)了2021年度“中國(guó)計(jì)算機(jī)學(xué)會(huì)CCF優(yōu)秀博士學(xué)位論文獎(jiǎng)”，南京大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系博士研究生鳳維明（指導(dǎo)教師：尹一通）的博士學(xué)位論文《吉布斯分布的局部、動(dòng)態(tài)與快速采樣算法》、博士研究生葉翰嘉（指導(dǎo)教師：姜遠(yuǎn)）的博士學(xué)位論文《開(kāi)放環(huán)境下的度量學(xué)習(xí)研究》獲此殊榮。該獎(jiǎng)自設(shè)立之初就得到了微軟亞洲研究院的大力支持和經(jīng)費(fèi)贊助。CCF理事長(zhǎng)梅宏教授、獎(jiǎng)勵(lì)委員會(huì)主席錢(qián)德沛教授、微軟亞洲研究院學(xué)術(shù)合作總監(jiān)馬歆女士共同為獲獎(jiǎng)?wù)哳C發(fā)了獎(jiǎng)杯和證書(shū)。

 “CCF優(yōu)秀博士學(xué)位論文”設(shè)立于2006年，表彰在計(jì)算機(jī)科學(xué)與技術(shù)領(lǐng)域的基礎(chǔ)理論、關(guān)鍵技術(shù)或應(yīng)用技術(shù)方面有重要?jiǎng)?chuàng)新的博士學(xué)位論文的作者，每年表彰不超過(guò)10名。值得一提的是，南京大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系已經(jīng)連續(xù)14年共計(jì)16位博士獲此殊榮。

附：

鳳維明博士學(xué)位論文工作簡(jiǎn)介：

按照給定的概率分布采樣隨機(jī)樣本是一個(gè)基本計(jì)算問(wèn)題。早在上世紀(jì)40年代，馮諾依曼等計(jì)算機(jī)科學(xué)家們已經(jīng)開(kāi)始嘗試使用基于隨機(jī)采樣的蒙特卡洛方法來(lái)解決物理學(xué)中的實(shí)際問(wèn)題。時(shí)至今日，采樣問(wèn)題在計(jì)算機(jī)科學(xué)和數(shù)據(jù)科學(xué)等領(lǐng)域有重要而廣泛的應(yīng)用。

鳳維明的博士論文的研究方向是理論計(jì)算機(jī)科學(xué)，具體研究課題是吉布斯分布的局部、動(dòng)態(tài)與快速采樣算法。吉布斯分布是一類(lèi)由局部相互作用定義的高維聯(lián)合分布，它起源于物理學(xué)家對(duì)粒子系統(tǒng)的研究，如今在機(jī)器學(xué)習(xí)、概率統(tǒng)計(jì)等領(lǐng)域被廣泛應(yīng)用。對(duì)于如下幾類(lèi)基本問(wèn)題，鳳維明的博士論文給出了具有嚴(yán)格理論保障的采樣算法。

1）局部采樣問(wèn)題：算法在分布式網(wǎng)絡(luò)中收集局部信息進(jìn)行采樣，通過(guò)并行計(jì)算加速采樣過(guò)程。

2）動(dòng)態(tài)采樣問(wèn)題：算法對(duì)動(dòng)態(tài)變化的概率分布維護(hù)一個(gè)隨機(jī)樣本，以較低的增量復(fù)雜度處理對(duì)概率分布的每次更新。

3）快速采樣問(wèn)題：當(dāng)概率分布的參數(shù)接近臨界值時(shí)，算法在多項(xiàng)式時(shí)間甚至近線性時(shí)間內(nèi)采樣隨機(jī)樣本。

采樣是現(xiàn)代計(jì)算機(jī)科學(xué)的重要計(jì)算任務(wù)。并行化、動(dòng)態(tài)化以及近線性的運(yùn)行時(shí)間是大數(shù)據(jù)計(jì)算對(duì)算法提出的重要要求。鳳維明的博士論文不僅給出了具體的算法，更對(duì)上述問(wèn)題給出了具有一般性的算法設(shè)計(jì)和分析技術(shù)。

葉翰嘉博士學(xué)位論文工作簡(jiǎn)介：

葉翰嘉博士在南京大學(xué)攻讀博士學(xué)位期間從事度量學(xué)習(xí)方面的理論和算法研究。度量學(xué)習(xí)是機(jī)器學(xué)習(xí)重要的研究分支，其博士論文《開(kāi)放環(huán)境下的度量學(xué)習(xí)研究》系統(tǒng)性地研究了樣本少、噪聲多、語(yǔ)義廣等開(kāi)放環(huán)境下的新型度量學(xué)習(xí)，主要?jiǎng)?chuàng)新點(diǎn)包括：提出了降低度量學(xué)習(xí)樣本復(fù)雜度的方法，給出了更緊的理論泛化界；提出了異構(gòu)任務(wù)的度量學(xué)習(xí)方法，創(chuàng)立了小樣本度量自適應(yīng)更新機(jī)制；提出了適應(yīng)特征和標(biāo)記噪聲的度量學(xué)習(xí)方法，解決了非同分布度量學(xué)習(xí)的難題；提出了挖掘復(fù)雜語(yǔ)義的多度量學(xué)習(xí)方法，突破了度量學(xué)習(xí)刻畫(huà)多樣化語(yǔ)義的瓶頸。

葉翰嘉博士度量學(xué)習(xí)的系列工作受到研究人員的大量關(guān)注，并被同行跟隨擴(kuò)展。他的工作已被國(guó)際同行如美國(guó) NAI 院士、AAAS/IAPR/IEEE Fellow、UCF 教授 M. Shah 及合作者在近期論文中用整節(jié)篇幅介紹，稱(chēng)其獲得強(qiáng)（“strong”）性能。 此外，還有多篇學(xué)術(shù)會(huì)議/期刊論文明確稱(chēng)他的工作為“首次”（“first”）或“跟隨”（“follow”）他的工作。

葉翰嘉博士提出的新型度量學(xué)習(xí)方法在華為終端手機(jī)屏幕缺陷檢測(cè)、度小滿語(yǔ)音風(fēng)控評(píng)估、血清圖像鑒別等實(shí)際應(yīng)用場(chǎng)景下獲得應(yīng)用并實(shí)現(xiàn)成果轉(zhuǎn)化。

葉翰嘉博士論文的工作已經(jīng)在包括人工智能?chē)?guó)際頂級(jí)期刊 TPAMI在內(nèi)的CCF-A 類(lèi)期刊/會(huì)議上發(fā)表第一作者論文 15 篇。博士期間獲得過(guò)包括華為“耀星學(xué)者”（全國(guó)僅 2 人）等在內(nèi)的多個(gè)獎(jiǎng)項(xiàng)，他多次擔(dān)任人工智能領(lǐng)域頂級(jí)會(huì)議程序委員會(huì)委員，還在 CCF大數(shù)據(jù)大會(huì)分論壇等作特邀報(bào)告并受到好評(píng)。