近日，浙江省自然科學(xué)基金委員會(huì)公布了2025年度浙江省自然科學(xué)基金評(píng)審結(jié)果，我院共有6個(gè)項(xiàng)目入選，其中重大項(xiàng)目及其延續(xù)項(xiàng)目1項(xiàng)、重點(diǎn)項(xiàng)目3項(xiàng)、探索項(xiàng)目1項(xiàng)、青年科學(xué)基金項(xiàng)目1項(xiàng)，獲批率達(dá)到了100%！這充分體現(xiàn)了我院積極開展有組織科研，聚焦高水平、高質(zhì)量項(xiàng)目，科研實(shí)力不斷提升。我院獲批的2025年度浙江省自然科學(xué)基金資助項(xiàng)目名單如下：
入選項(xiàng)目及負(fù)責(zé)人介紹
重大項(xiàng)目及其延續(xù)項(xiàng)目1項(xiàng)
01.面向生成式AI的異構(gòu)硬件資源優(yōu)化與計(jì)算加速理論與方法（負(fù)責(zé)人：趙新奎）
項(xiàng)目介紹：本項(xiàng)目面向生成式人工智能場(chǎng)景，從軟硬件協(xié)同優(yōu)化角度，提出異構(gòu)硬件資源優(yōu)化與計(jì)算加速的理論與方法。重點(diǎn)聚焦于張量算子計(jì)算優(yōu)化、新型硬件特性分析與優(yōu)化，以及AI編譯器的性能改進(jìn)，針對(duì)生成式AI高維張量計(jì)算中的性能瓶頸，探索高效解決方案。項(xiàng)目通過(guò)異構(gòu)并行與異步重疊機(jī)制，實(shí)現(xiàn)CPU與GPU任務(wù)的高效調(diào)度與執(zhí)行，大幅提升生成任務(wù)的吞吐量與實(shí)時(shí)性。同時(shí)，設(shè)計(jì)了基于多級(jí)異構(gòu)緩存架構(gòu)的張量在線緩存算法，優(yōu)化數(shù)據(jù)傳輸與緩存管理，顯著降低I/O開銷。此外，項(xiàng)目聚焦性能瓶頸分析與調(diào)度優(yōu)化，結(jié)合CUDA Graph等技術(shù)優(yōu)化計(jì)算圖，全面提升大規(guī)模生成式模型的執(zhí)行效率。項(xiàng)目成果將為生成式AI模型的高效部署與性能優(yōu)化提供一體化的軟硬件協(xié)同解決方案。
項(xiàng)目負(fù)責(zé)人
趙新奎，博士，平臺(tái)“百人計(jì)劃”研究員，博士生導(dǎo)師，浙江大學(xué)先進(jìn)計(jì)算與新興服務(wù)研究所副所長(zhǎng)。趙新奎博士長(zhǎng)期從事智能操作系統(tǒng)、云原生技術(shù)等方向研究，主持科技部重點(diǎn)研發(fā)計(jì)劃、國(guó)家自然科學(xué)基金面上項(xiàng)目等10余項(xiàng)科研項(xiàng)目。在DAC/WWW/ASPLOS/NeurIPS/AAAI/TPDS/SCIS/TSC等會(huì)議/期刊發(fā)表論文40余篇，申請(qǐng)國(guó)家發(fā)明專利50余項(xiàng)。研究成果獲中國(guó)通信學(xué)會(huì)科技進(jìn)步二等獎(jiǎng)、全國(guó)示范性軟件學(xué)院十大關(guān)鍵軟件技術(shù)成果獎(jiǎng)等獎(jiǎng)項(xiàng)，獲得國(guó)家市場(chǎng)監(jiān)督管理總局科技創(chuàng)新人才計(jì)劃重點(diǎn)領(lǐng)域創(chuàng)新團(tuán)隊(duì)、中國(guó)數(shù)字服務(wù)大會(huì)軟件服務(wù)創(chuàng)新大賽一等獎(jiǎng)等榮譽(yù)。
重點(diǎn)項(xiàng)目3項(xiàng)
01.通專模型協(xié)同的多模態(tài)理解與生成關(guān)鍵技術(shù)研究（負(fù)責(zé)人：張文橋）
項(xiàng)目介紹：通用大模型雖然具有通用性和基礎(chǔ)知識(shí)，但是當(dāng)面對(duì)專用任務(wù)或垂直領(lǐng)域時(shí)，存在專業(yè)知識(shí)匱乏、特定任務(wù)精度不足、跨模態(tài)任務(wù)擴(kuò)展能力有限等問(wèn)題，無(wú)法滿足垂直領(lǐng)域個(gè)性化需求。另外，數(shù)據(jù)驅(qū)動(dòng)的通用模型記憶的“知識(shí)”具有時(shí)效性甚至存在模型“幻覺”，而對(duì)大模型的知識(shí)更新所需的重新訓(xùn)練成本極其高昂。專用小模型由于具有較高的歸納偏置，在處理特定感知或生成任務(wù)如圖像編輯、目標(biāo)檢測(cè)等擁有獨(dú)特的優(yōu)勢(shì)，并且具有模型輕量、推理高效、更新迅速等優(yōu)點(diǎn)，可以彌補(bǔ)基礎(chǔ)大模型“專用性弱、成本高昂”的不足。同樣地，小模型通用性弱，知識(shí)理解和推理能力不足，僅使用小模型難以滿足日益復(fù)雜的跨模態(tài)應(yīng)用場(chǎng)景，無(wú)法理解人類復(fù)雜指令并完成各種跨模態(tài)任務(wù)。因此，基礎(chǔ)大模型和專用小模型緊密協(xié)作、優(yōu)勢(shì)互補(bǔ)，充分融合通專模型提升復(fù)雜場(chǎng)景下的多模態(tài)理解與生成能力，是多模態(tài)智能領(lǐng)域的重要研究方向。
項(xiàng)目負(fù)責(zé)人
張文橋，博士，平臺(tái)“百人計(jì)劃”研究員。張文橋博士的研究方向包括多模態(tài)智能、 應(yīng)用機(jī)器學(xué)習(xí)與魯棒性學(xué)習(xí)等。近年來(lái)，在TPAMI，CVPR，ICCV，ACL，NeurIPS等CCF A類期刊與會(huì)議上發(fā)表論文共40余篇，并擔(dān)任CVPR，ICCV，NeurIPS，TMM等期刊與會(huì)議的程序委員會(huì)成員或特邀審稿人。曾作為子課題負(fù)責(zé)人參與多項(xiàng)國(guó)家級(jí)、省級(jí)重大項(xiàng)目，主要獲得過(guò)AO Spine East Asia會(huì)議最佳基礎(chǔ)科學(xué)獎(jiǎng)，國(guó)際虛擬現(xiàn)實(shí)技術(shù)與應(yīng)用創(chuàng)新大賽二等獎(jiǎng)，國(guó)際學(xué)術(shù)競(jìng)賽第一名、騰訊技術(shù)大咖等榮譽(yù)。
02.面向大模型應(yīng)用的智能測(cè)試方法研究（負(fù)責(zé)人：智晨）
項(xiàng)目介紹：隨著大模型技術(shù)的快速發(fā)展，基于大模型開發(fā)的各類應(yīng)用也層出不窮。但是大模型應(yīng)用的運(yùn)行過(guò)程呈現(xiàn)出極大的不確定性，包括模型內(nèi)部的不確定性以及外部交互的不確定性，這些不確定性給大模型應(yīng)用的質(zhì)量保障帶來(lái)了極大的挑戰(zhàn)。本項(xiàng)目針對(duì)大模型應(yīng)用的智能測(cè)試方法，從應(yīng)用層、框架層、模型層等支撐大模型使能的三個(gè)核心層面展開研究，重點(diǎn)突破多智能體協(xié)同的大模型應(yīng)用功能測(cè)試框架、故障注入驅(qū)動(dòng)的大模型框架穩(wěn)定測(cè)試方法、精細(xì)覆蓋引導(dǎo)的大模型底座魯棒測(cè)評(píng)技術(shù)等關(guān)鍵技術(shù)，形成多層次的面向大模型應(yīng)用的智能測(cè)試方法體系，為大模型應(yīng)用生態(tài)的健康可持續(xù)發(fā)展提供支撐，滿足國(guó)家對(duì)于人工智能高質(zhì)量發(fā)展的迫切要求。
項(xiàng)目負(fù)責(zé)人
智晨，博士，特聘副研究員，主要研究方向?yàn)橹悄芑浖y(cè)試。承擔(dān)1項(xiàng)國(guó)家自然科學(xué)基金青年項(xiàng)目、多項(xiàng)企業(yè)橫向項(xiàng)目（OPPO、恒生電子等），參與國(guó)家重點(diǎn)研發(fā)計(jì)劃、國(guó)家科技支撐計(jì)劃、863計(jì)劃等國(guó)家級(jí)項(xiàng)目，在領(lǐng)域權(quán)威學(xué)術(shù)會(huì)議（FSE、ASE、ISSTA、AAAI等）和期刊（TPDS、JSEP等）上發(fā)表近20篇論文，相關(guān)成果在阿里巴巴、OPPO、恒生電子等企業(yè)進(jìn)行應(yīng)用落地，取得了良好的應(yīng)用效果，并獲得省部級(jí)科技進(jìn)步特等獎(jiǎng)/一等獎(jiǎng)2項(xiàng)。
03.端邊云協(xié)同的車輛軌跡大數(shù)據(jù)智能挖掘關(guān)鍵技術(shù)及應(yīng)用研究（負(fù)責(zé)人：房子荃）
項(xiàng)目介紹：隨著5G、物聯(lián)網(wǎng)與基于位置的服務(wù)（LBS）等技術(shù)的快速發(fā)展，時(shí)空軌跡數(shù)據(jù)呈現(xiàn)出爆炸式增長(zhǎng)。如何高效、智能地挖掘這些數(shù)據(jù)，一直是國(guó)內(nèi)外研究熱點(diǎn)之一。然而，面對(duì)多源異構(gòu)、規(guī)模龐大、實(shí)時(shí)動(dòng)態(tài)的軌跡數(shù)據(jù)，僅依靠端（邊）側(cè)設(shè)備進(jìn)行“本地處理”難以滿足大數(shù)據(jù)分析需求；而單依賴云端處理又面臨傳輸壓力大和帶寬需求高等挑戰(zhàn)，難以滿足用戶對(duì)低時(shí)延和高效處理的需求。鑒于此，本項(xiàng)目聚焦端邊云協(xié)同架構(gòu)下的車輛軌跡大數(shù)據(jù)智能挖掘關(guān)鍵技術(shù)研究，深入探索面向端邊云的多源異構(gòu)軌跡數(shù)據(jù)高效存儲(chǔ)、統(tǒng)一表征與深度挖掘技術(shù)，旨在推動(dòng)云邊融合計(jì)算、時(shí)空數(shù)據(jù)庫(kù)等相關(guān)領(lǐng)域的技術(shù)創(chuàng)新與應(yīng)用發(fā)展，為智慧交通等領(lǐng)域提供更加有效的解決方案。
項(xiàng)目負(fù)責(zé)人
房子荃，博士，平臺(tái)“百人計(jì)劃”研究員，博士生導(dǎo)師。研究方向?yàn)闀r(shí)空數(shù)據(jù)庫(kù)、分布式時(shí)空大數(shù)據(jù)管理、時(shí)空數(shù)據(jù)智能分析等。在數(shù)據(jù)庫(kù)與數(shù)據(jù)挖掘等領(lǐng)域CCF A類國(guó)際學(xué)術(shù)期刊或會(huì)議如VLDBJ、TKDE、SIGMOD、VLDB、ICDE、KDD等發(fā)表論文30余篇，長(zhǎng)期擔(dān)任TKDE、TPDS、KDD、NeurIPS、ICLR、ICML、ICDE等頂刊和頂會(huì)審稿人。曾獲DASFAA 2024最佳論文獎(jiǎng)（1/232）、ACM中國(guó)“全國(guó)優(yōu)博獎(jiǎng)”提名、ACM SIGSPATIAL中國(guó)“優(yōu)博獎(jiǎng)”、KDD Cup風(fēng)電預(yù)測(cè)賽道世界冠軍、華為“天才少年”等獎(jiǎng)項(xiàng)或榮譽(yù)。主持國(guó)家自然科學(xué)基金青年項(xiàng)目，入選副省級(jí)市高層次人才引進(jìn)計(jì)劃。主持多項(xiàng)校企合作項(xiàng)目，在大數(shù)據(jù)計(jì)算、智慧城市、智能交通等領(lǐng)域的現(xiàn)實(shí)任務(wù)中得到重要應(yīng)用。
探索項(xiàng)目1項(xiàng)
01.差分隱私去中心化在線學(xué)習(xí)算法和理論研究（負(fù)責(zé)人：宛袁玉）
項(xiàng)目介紹：差分隱私去中心化在線學(xué)習(xí)是安全高效地處理持續(xù)增長(zhǎng)大數(shù)據(jù)的重要技術(shù)手段，近年來(lái)引起了學(xué)術(shù)界的關(guān)注。然而，現(xiàn)有的差分隱私去中心化在線學(xué)習(xí)算法在實(shí)際的大數(shù)據(jù)場(chǎng)景下仍然存在隱私效果弱、學(xué)習(xí)性能差、計(jì)算效率低等不足。本項(xiàng)目將針對(duì)這些問(wèn)題進(jìn)行深入研究，主要內(nèi)容包括：(1)研究滿足時(shí)間無(wú)關(guān)差分隱私性的去中心化在線學(xué)習(xí)，提升算法的隱私效果；(2)研究遺憾更緊的差分隱私去中心化在線學(xué)習(xí)，提升算法的學(xué)習(xí)性能；(3)研究無(wú)投影的差分隱私去中心化在線學(xué)習(xí)，提升算法的計(jì)算效率。
項(xiàng)目負(fù)責(zé)人
宛袁玉，博士，平臺(tái)“百人計(jì)劃”研究員、博士生導(dǎo)師。研究方向包括機(jī)器學(xué)習(xí)理論、在線學(xué)習(xí)與優(yōu)化、分布式優(yōu)化等；主持國(guó)家自然科學(xué)基金青年科學(xué)基金項(xiàng)目、寧波市甬江人才工程科技創(chuàng)新領(lǐng)域青年創(chuàng)新人才項(xiàng)目；在國(guó)內(nèi)外期刊和會(huì)議發(fā)表或錄用論文30余篇，其中領(lǐng)域頂級(jí)會(huì)議（COLT）及CCF-A類第一作者論文13篇（JMLR、TPAMI、ICML、NeurIPS等）；曾擔(dān)任國(guó)際知名人工智能會(huì)議IJCAI 2021和ECAI 2024的高級(jí)程序委員會(huì)委員，并多次擔(dān)任ICML、NeurIPS、ICLR、TPAMI等國(guó)際頂級(jí)人工智能會(huì)議和期刊的審稿人。
青年科學(xué)基金項(xiàng)目1項(xiàng)
01.面向數(shù)據(jù)庫(kù)邏輯錯(cuò)誤發(fā)現(xiàn)的關(guān)鍵技術(shù)研究（負(fù)責(zé)人：唐秀）
項(xiàng)目介紹：近年來(lái)，新型數(shù)據(jù)庫(kù)的多樣性與復(fù)雜性顯著增加了研發(fā)過(guò)程中的挑戰(zhàn)，尤其是驗(yàn)證數(shù)據(jù)庫(kù)正確性這一關(guān)鍵難題。申請(qǐng)人專注于研究數(shù)據(jù)庫(kù)邏輯錯(cuò)誤這一影響數(shù)據(jù)庫(kù)運(yùn)行狀態(tài)和安全性的核心因素，在前期實(shí)踐中已在主流數(shù)據(jù)庫(kù)中發(fā)現(xiàn)眾多邏輯錯(cuò)誤，相關(guān)成果獲得SIGMOD 2023最佳論文獎(jiǎng)，該獎(jiǎng)項(xiàng)為中國(guó)大陸研究團(tuán)隊(duì)首次獲得。本項(xiàng)目擬在此基礎(chǔ)上，致力于解決數(shù)據(jù)庫(kù)邏輯錯(cuò)誤發(fā)現(xiàn)面臨的挑戰(zhàn)，包括測(cè)試空間廣、多樣性強(qiáng)、驗(yàn)證困難和處理速度高，提出一套全面的邏輯錯(cuò)誤智能發(fā)現(xiàn)框架及相關(guān)理論。本項(xiàng)目針對(duì)各種數(shù)據(jù)庫(kù)系統(tǒng)及多樣化的查詢負(fù)載，研究通用的數(shù)據(jù)庫(kù)邏輯錯(cuò)誤智能發(fā)現(xiàn)技術(shù)及系統(tǒng)，研究基于知識(shí)導(dǎo)向的智能查詢生成方法，研究面向任意數(shù)據(jù)集的高效真值驗(yàn)證技術(shù)，研究面向異構(gòu)數(shù)據(jù)庫(kù)的通用處理策略，以及分布式智能優(yōu)化框架，最終形成數(shù)據(jù)庫(kù)邏輯錯(cuò)誤發(fā)現(xiàn)工具，支撐新型數(shù)據(jù)庫(kù)系統(tǒng)的研發(fā)。
項(xiàng)目負(fù)責(zé)人
唐秀，博士，平臺(tái)“百人計(jì)劃”研究員。2023年3月獲浙江大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)博士學(xué)位，師從伍賽教授，期間獲國(guó)家獎(jiǎng)學(xué)金、浙江省優(yōu)秀畢業(yè)研究生等榮譽(yù)。唐秀博士的主要研究方向包括數(shù)據(jù)庫(kù)查詢優(yōu)化、數(shù)據(jù)庫(kù)測(cè)試、數(shù)據(jù)智能等，研究成果發(fā)表在SIGMOD、VLDB、ICDE等數(shù)據(jù)庫(kù)國(guó)際頂級(jí)學(xué)術(shù)會(huì)議十余篇，并以第一作者身份獲中國(guó)大陸研究團(tuán)隊(duì)首次SIGMOD最佳論文獎(jiǎng)。主持CCF螞蟻基金項(xiàng)目、南網(wǎng)合作項(xiàng)目。作為核心骨干參與省重點(diǎn)研發(fā)“尖兵”計(jì)劃、省重大科學(xué)基金。曾獲SIGMOD最佳論文獎(jiǎng)、CCF數(shù)據(jù)庫(kù)專委優(yōu)博獎(jiǎng)等獎(jiǎng)勵(lì)及榮譽(yù)。
浙江省自然科學(xué)基金介紹
浙江省自然科學(xué)基金，是國(guó)內(nèi)最早設(shè)立的地方自然科學(xué)基金之一，用于資助自然科學(xué)、工程科學(xué)等領(lǐng)域中的基礎(chǔ)研究和應(yīng)用基礎(chǔ)研究，支持研究團(tuán)隊(duì)建設(shè)，引進(jìn)和培養(yǎng)科技人才，提升創(chuàng)新能力，為全省經(jīng)濟(jì)社會(huì)發(fā)展提供科技支撐。據(jù)悉，2025年度浙江省自然科學(xué)基金擬資助項(xiàng)目2011項(xiàng)。其中重大項(xiàng)目及其延續(xù)項(xiàng)目56項(xiàng)、杰青及延續(xù)項(xiàng)目142項(xiàng)、優(yōu)青項(xiàng)目50項(xiàng)、重點(diǎn)項(xiàng)目203項(xiàng)、探索項(xiàng)目409項(xiàng)、青年項(xiàng)目827項(xiàng)、聯(lián)合基金項(xiàng)目308項(xiàng)、自主立項(xiàng)重大項(xiàng)目16項(xiàng)。
