厦门大学计算机系优秀青年教师系列介绍之九—宋庆禹博士

    宋庆禹，博士，将于2025年9月加入厦门大学信息学院计算机科学与技术系担任助理教授，硕士生导师。2025年于香港中文大学获工学博士学位，2021、2018分别于清华大学、哈尔滨工业大学获硕士、学士学位。

教学方面：

参与建设强基计划课程《计算思维导论》，着力推动计算思维与基础学科的交叉融合，激发学生的创新思维，致力于为国家培养能解决复杂科学问题的未来型人才。

科研方面：

研究方向为深度学习理论与优化算法、AI求解器及其在网络与系统资源调度中的应用。近五年在包括INFOCOM、CVPR等国际会议发表论文10余篇。曾获INFOCOM及APNet Travel Grant、 ICML Registration Grant等。担任ICML、NeurIPS、EuroSys、AAAI等顶级会议审稿人或程序委员会委员。

图1 AI求解器研究体系架构图

主要研究内容：

（1）AI求解器架构设计

针对传统黑盒优化求解器难以保证求解效率及性能的问题，以二阶梯度下降算法（牛顿法）为基础，提出在其算法框架上基于AI增强算法收敛速度，利用机器学习调整步长，进一步通过理论分析证明该框架的收敛性，实现针对多种不同优化问题的加速，包括加速求解凸优化问题及神经网络训练任务等。

（2）AI求解器性能分析

针对现有AI求解器在训练收敛性、鲁棒性没有理论保证的问题，以机器学习加速一阶梯度下降（及动量加速）算法为基础，通过收敛上界理论证明，分析其训练收敛性能。通过建模问题间差异性，证明并分析AI求解器在求解分布外问题场景下的收敛上界，进一步优化模型输入特征，提升AI求解器鲁棒性。

图2 基于AI求解器的网络故障恢复及交通分配系统架构图

（3）基于AI求解器的资源调度

针对网络系统资源调度场景中，传统资源分配算法求解效率低、速度慢的难题，提出构建AI求解器，采用机器学习方法以实现并行求解。在求解网络拓扑故障恢复及交通分配问题中，通过构建强化学习AI求解器求解组合优化问题，实现高效及准确地候选链路选择，加速故障恢复以及流量均衡分配，提高网络容错及网络资源利用率。在无线通信网络场景中，通过构建图神经网络AI求解器求解高维NP难优化问题，实现降低多用户通信信道干扰，提升通信效率，进一步提升无限通信网络服务质量。

图3 基于AI求解器的通信干扰消除系统架构图