当前位置:首页 > 报告详情

离散优化问题的人工智能方法-严骏驰.pdf

上传人: 哆哆 编号:186326 2024-11-01 35页 7.50MB

word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
本文主要介绍了上海交通大学人工智能学院/计算机系的严骏驰教授在离散优化问题的人工智能方法方面的研究成果。主要内容包括: 1. 机器学习与传统算法结合的求解框架:通过图神经网络和transformer架构分析和设计,实现了对MIP、SAT等问题的有效求解。 2. 非自回归范式下的机器学习求解框架:在特定显式约束下实现了可微求解及预测决策一体化,任意约束下的可微求解及当前最佳学习求解器之一。 3. 面向辅助设计的组合优化学习求解应用:在芯片设计、药物设计等领域,通过AI辅助设计,实现了布局布线、逻辑综合、量子线路设计等问题的有效求解。 4. 相关项目延伸支持:华为云天筹AI求解器、计算领域的重大创新等。 综上所述,严骏驰教授的研究成果在离散优化问题的人工智能方法方面取得了重要进展,为相关领域的发展提供了有力支持。
机器学习如何助力传统算法求解复杂问题? 非自回归范式下机器学习求解框架有哪些创新? 组合优化学习求解在芯片设计和药物设计中的应用有哪些突破?
客服
商务合作
小程序
服务号
折叠