2026年9月15日，上海交通大学人工智能学院教授严骏驰受邀莅临我所，开展了题为“离散优化问题的人工智能方法”的前沿专题学术报告。本次报告聚焦人工智能与运筹优化交叉领域的前沿进展，吸引了我所众多科研人员、在读研究生积极参会。

严骏驰教授现任上海交通大学人工智能学院教授，曾任IBM研究院首席研究员和亚马逊高级顾问十年，长期深耕机器学习与组合优化交叉方向。报告中，严教授围绕人工智能与组合优化（AI for Combinatorial Optimization）的融合研究，介绍了团队在组合优化表征、学习型求解器、生成式优化、数据增强及大模型辅助优化等方面的研究进展。严教授指出，组合优化问题通常具有对称性、不变性等特殊结构，仅依赖通用神经网络进行学习效率较低，因此需要将问题结构先验融入网络设计。围绕这一思路，团队探索了图神经网络、Graph Transformer 等方法，并通过近似注意力等方式降低复杂度，提升大规模组合优化问题的建模能力。报告还介绍了基于 Diffusion 等生成模型直接求解 TSP 等组合优化问题的研究，以及相关方法在 EDA、调度、药物设计、量子线路和程序验证等领域的应用。

交流环节，与会师生围绕统一问题表征、端到端神经求解、大模型驱动优化以及在线组合优化等问题展开深入讨论。严教授认为，相比竞争已较为充分的经典离线组合优化，在线优化和动态不确定环境下的决策问题更具研究潜力；大模型更适合作为优化系统的调度与交互中枢，负责问题形式化，并调用专业求解器、神经网络和专家知识库等工具完成复杂任务。

此次报告内容详实、前瞻性强，拓宽了与会人员的学术视野，为在线优化、预测与决策融合、世界模型驱动优化及大模型协同专业求解器等前沿方向的研究开展提供了有益启发。未来，我所将持续加强与顶尖学者的学术交流与合作，深耕人工智能前沿技术，推动智能决策方法在工业场景中的落地应用。