作者姓名：editor web

2025年7月9日，上海数学与交叉学科研究院丘成桐院士团队与合作者以“用于神经胶质瘤分割和遗传标记预测的基于最优传输和张量奇异值分解的深度学习模型：一项多中心数据研究(OMT and tensor SVD based deep learning model for segmentation and predicting genetic markers of glioma: a multicenter study)”为题，于国际顶级学术期刊《美国国家科学院院刊》（Proceedings of the National Academy of Sciences of the United States of America，PNAS）（Vol.122, No.28, 2025）发表论文。《美国国家科学院院刊》是国际顶尖综合性期刊，与Nature、Science、Cell并称全球四大综合科学期刊，近五年影响因子为10.6，学科涵盖生物、物理、化学、数学及社会科学，多学科大类排名前5%，对原创性要求极高。 在神经外科临床实践中，胶质瘤的诊断与治疗一直存在诸多挑战。作为最常见的原发性中枢神经系统肿瘤，其高度异质性的生物学特征，使得传统诊疗方法往往力不从心。当前，胶质瘤的临床决策严重依赖术后病理诊断，但侵入性活检可能给患者带来额外风险，且对于位于脑干等关键部位的肿瘤，手术取样往往不可行。因此，神经胶质瘤的术前分级和基因分析对于神经胶质瘤患者的治疗至关重要。 随着医学影像技术和人工智能的发展，基于MRI的多模态影像和组学数据研究成为破解这一困局的利器。然而，目前大多数研究仅涉及有限数量患者，局限于少量样本和数据集来源，无法有效发挥AI模型的效能。此外，现有AI模型在部分数据集上虽表现出不错的预测性能，但无法最有效、最准确地挖掘出多中心影像和基因信息之间的关联，同时缺乏理论上的可解释性，制约了临床应用的可靠性。 为改进现有方法，丘成桐院士团队长期与南京鼓楼医院张冰教授团队开展深度合作，将前沿的计算几何与最优传输理论应用于脑科学领域，实现影像数据的高效处理，并通过创新性代数模型显著提升了深度学习在脑胶质瘤分级与基因分型中的准确性。团队共收集来自16个不同中心的超过3500例脑胶质瘤数据，创新提出最优传输-代数预分类模型（OMT-APC model），使用OMT方法将不规则大脑变换至规则张量，借助密度函数增强影像中肿瘤区域特征，实现高效数据标准化，并完成高精度自适应肿瘤分割，这对于多中心任务来说至关重要。研究团队进一步突破传统方法局限，基于多模张量奇异值分解，创新性地将代数方法与深度学习模型相融合，在图像模型基础上加入张量代数特征，显著提升了模型识别肿瘤和基因分型的能力。 (A) OMT处理脑影像. (B) 研究流程图. 研究成果显示，通过在多中心数据上进行模型训练，OMT-APC模型在标准测试集TCGA上的胶质瘤分级、IDH突变状态、1p/19q共缺失分类精度分别能够达到85.5%、91.7%和80.9%，相比以往的方法，分类精度分别能够提升1.5%、7.7%和4.9%。在应用层面，该模型为不适合进行肿瘤切除手术、仅需钻孔活检进行诊断的患者，提供了一种高精度的非侵入性替代方案，在无创条件下帮助患者获取胶质瘤基因信息。此外，当样本误差导致诊断结果不明确时，OMT-APC方法可作为组织学结果的额外核查手段，为医生提供辅助诊断依据。 研究成果在胶质瘤分析和临床应用上展现出良好的潜力。目前成果相关算法软件已在南京鼓楼医院影像科布置并参与临床检验，其影像处理效果与分析精度均得到影像科医生一致认可。经医生检验，临床测试超过86%的病例WT分割精度超95%，TC分割精度超90%，为多中心医学影像临床分析提供了新的研究范式和技术支撑，也为“数学+AI”研究医学应用问题提供了全新的研究思路。 南京应用数学中心及上海数学与交叉学科研究院工程师王瀚、东南大学李铁香教授、台湾师范大学黄聪明教授以及南京鼓楼医院医生朱正阳、杨惠泉、陶震楠为论文第一作者，上海数学与交叉学科研究院理事长丘成桐院士、南京应用数学中心及上海数学与交叉学科研究院林文伟教授以及南京鼓楼医院张鑫、张冰医生为论文通讯作者。研究得到了科技创新2030 —“脑科学与类脑研究”重大项目、国家自然科学基金、国家科学及技术委员会（台湾）、江苏省应用数学科学研究中心、南京鼓楼医院医学发展医疗救助基金会资助项目、南京鼓楼医院2023年临床研究专项资金项目面上项目和上海数学与交叉科学研究院的支持。 论文链接: https://doi.org/10.1073/pnas.2500004122

2025年6月17日，由上海数学与交叉学科研究院（SIMIS）、复旦大学数学科学学院、东南大学丘成桐中心联合主办的“2025年完全非线性偏微分方程国际研讨会”在上海隆重开幕。这场顶级学术盛会，吸引了来自中国、美国、澳大利亚、日本等国家的百余位顶尖学者线上线下同步参与。上海数学与交叉学科研究院理事长、菲尔兹奖得主丘成桐院士出席开幕式并致辞。 17日上午，美国布朗大学董弘桀教授主持开幕式。董教授回顾了2005年在杭州举办的完全非线性偏微分方程会议对该领域的重大影响，强调了本届会议将同20年前一样，为专家们提供交流的舞台和灵感，促进完全非线性偏微分方程的发展。 在开幕式上，丘成桐院士表示，上海数学与交叉学科研究院虽然是新成立的研究院，已经汇聚了来自全球各地的优秀学者，举办了多场重要学术会议。丘成桐院士具体讲述了自己研究Monge-Ampère方程的历程，对Krylov等在该领域做出突出贡献的数学家表示肯定。Monge-Ampère方程时至今日仍是完全非线性偏微分方程的重要研究内容，吸引着越来越多年轻学者的加入。他重点强调，完全非线性偏微分方程与几何和数学物理有密切联系，参会者应思考方程、几何与数学物理间的关联。 本次会议为期三天，内容涵盖完全非线性方程中的多个研究方向。西湖大学汪徐家教授、 北京大学朱小华教授、俄勒冈大学Micah Warren教授、中山大学张会春教授、西安交通大学李东升教授、明尼苏达大学Nicolai V. Krylov教授、厦门大学夏超教授、中国科学技术大学麻希南教授、台湾师范大学郭庭榕教授、湖南大学徐露教授、上海交通大学王芳教授、明尼苏达大学Mikhail Safonov教授、华盛顿大学袁域教授、中国科学院邱国寰教授、俄亥俄州立大学关波教授、悉尼大学刘佳堃教授、复旦大学张霜剑教授、香港城市大学李宗元教授、早稻田大学博士后Shuhei Kitano等20位报告人发表了精彩的学术报告，并就完全非线性方程的多个热点问题展开深入讨论，以期进一步推动相关领域的创新发展。 作为完全非线性PDE领域最具影响力的国际会议之一，本届会议旨在汇聚全球顶尖学者（包括14位海外专家及70余位国内领军人才）；推动基础数学与应用数学（如人工智能、生物医药交叉）深度融合；培育青年学者（逾40位博士生参与专题研讨）。通过深入的学术交流和讨论，参会者们拓宽了视野，加深了理解，为未来的学术研究和合作奠定了坚实的基础。大家期待与国内外同行的进一步合作，共同推动非线性偏微分方程领域的发展。

Speaker: Sibasish Banerjee Abstract: In this talk I will review a generalization of the spectral networks, known as exponential networks, which produce enumerative invariants associated to special Lagrangians in certain Calabi-Yau threefolds. Applications will include the computation of the exact spectrum for the mirror of the local Hirzebruch surface. There will also be a sketch of …

Physical Math Seminar @SIMIS: Lagrangian A-branes counting with exponential networks 查看全文 »

Speaker: Jianda Wu (Shanghai Jiao Tong University, Shanghai Branch of Hefei National Laboratory) Abstract: Exotic thermodynamics and excitations can emerge in the vicinity of a quantum phase transition. In the talk, I will first detailedly discuss the unique quantum criticality for the Grüneisen ratio in the transverse field Ising chain (TFIC). The unique quantum criticality …

SIMIS Seminar series on Quantum computing, Quantum simulation and Strongly-correlated systems: A tale about discovery of quantum $E_{8}$ particles in quantum material $BaCo_{2}V_{2}O_{8}$ 查看全文 »

Speaker: Thomas Bitoun (University of Calgary) Abstract: Let Z be the germ of a complex hypersurface isolated singularity of equation f. We consider the family of analytic D-modules generated by the powers of 1/f and relate it to the pole order filtration on the top cohomology of the complement of {f=0}. Time: 13:00~16:00, Wednesday, Feb. …

SIMIS seminar on Derived and Noncommutative Geometry: On the D-module of an isolated singularity 查看全文 »

Speaker: Quan Shi (Tsinghua University) Abstract: b-function is one of the most important invariant in the D-module theory, whose roots are very difficult to determine. In this talk, I will review a classical strategy using archimedean zeta function and provide a way to variate the powers. As an application, n/d-conjecture is proven for generic multiplicities. …

SIMIS Seminar on Algebraic Geometry: Variation of archimedean zeta function and n/d-conjecture for generic multiplicities 查看全文 »

Organizer: Jiabin Du, Mingyi Zhang Time: 10:00 ~ 11:00, Friday Location: 1510, SIMIS Please see https://www.simis.cn/calendar/ for more

Speaker: Dehai Luo (Institute of Atmospheric Physics, CAS) Host: Bin Shi Abstract: Atmospheric blocking is an important synoptic weather system in the earth atmosphere, which plays an important role in the weather extremes. The weather extremes in the earth atmosphere exhibit a notable variability along with global warming. In this talk, we briefly introduce the …

A nonlinear multi-scale interaction model of atmospheric blocking: How does climate change influence weather extremes? 查看全文 »

2024年12月8日，“2024经济、科技与交叉科学研究国际峰会”在上海数学与交叉学科研究院召开，本次会议由上海数学与交叉学科研究院、复旦-斯坦福中国金融科技与安全研究院联合主办，由世界华人数学家大会、康奈尔金融科技中心、复旦大学保险应用创新研究院协办。 康奈尔大学约翰逊商学院Rudd家族管理学讲席教授、金融学教授丛林主持会议开幕式，他首先对各位专家和嘉宾的到来表示热烈欢迎，并隆重邀请知名数学家、菲尔兹奖获得者、上海数学与交叉学科研究院理事长丘成桐先生致开幕辞。 丘成桐先生在致辞中表示，当前世界正处于大数据与人工智能迅速崛起的关键时期，中美两国在科技创新领域分别取得了令人瞩目的成就。这不仅为双方深化合作创造了新机遇，也为全球科技发展注入了新动力。近年来，中国的科学家和工程师数量显著增长，相关研究成果层出不穷，正在深刻改变世界科技版图。丘先生希望，通过合作带来更多推动技术变革的动力，促进世界经济社会与科学技术的共同发展。丘先生认为，数学在人工智能和大数据领域发挥不可或缺的重要作用，数学不仅是算法和技术的核心基础，更是理解大数据深层含义的关键。许多曾被认为抽象的数学理论，如今已经成为解决科学、技术、经济与社会核心问题的具体工具。致辞最后，丘先生衷心祝愿本次大会成功举办，希望此次峰会能够加强人类与人工智能的深度互动，为未来科技和社会的发展带来新的启示。 斯坦福大学商学院Adams特聘教授Darrell Duffie以“美国采用中央银行数字货币的主要障碍”为题发表开幕式主旨演讲。Duffie教授首先从历史视角回顾了支付方式的演变，详细阐述了每种主要支付方式的基本特性，并重点分析了CBDC支付架构的技术特点与实现方式。在此过程中，Duffie教授结合中国作为首个使用CBDC的主要国家的经验，分析了支付服务提供商与央行的协作模式，并指出中美在支付体系上的差异。Duffie教授总结道，美国CBDC面临的主要障碍，包括立法阻力、快速支付系统替代性、技术瓶颈、信用卡跨行手续费、存款市场竞争状态等，政治和隐私问题也是影响美国CBDC的最大障碍。 开幕致辞结束后，复旦-斯坦福中国金融科技与安全研究院执行院长刘庆富教授主持了“金融科技与人工智能”主旨演讲环节。 哥伦比亚大学终身讲席教授、复旦大学国际金融学院学术访问教授魏尚进以“资本市场扭曲与创业者成本：来自IPO上市地选择的证据”为主题发表了主旨演讲。魏尚进教授首先系统性回顾了中国企业选择海外上市的现象，并指出资本管制、IPO审批程序及国内市场的制度性障碍，使得一部分中国企业倾向于在海外上市。研究发现，海外上市的中国企业面临明显的估值折扣，可以将其视作中国创业者为规避资本市场限制所愿意付出的成本。此外，魏尚进教授还指出，当资本外流面临限制、国内IPO暂停或股权投资限制增加时，海外上市企业的估值折扣会进一步加大。最后，通过对政策变动的反事实模拟，魏尚进教授还为中国资本市场改革提出了宝贵的政策建议，期待通过减少市场扭曲，提升资本市场效率，进而改善创业者的福利。 上海智能科学院院长、复旦大学浩清特聘教授、复旦大学人工智能创新与产业研究院院长漆远教授发表了以“生成式人工智能：从技术到应用”为主题的演讲。漆远教授将生成式人工智能的发展比作“新黄金时代的发现”，提出AI与科学正以“双螺旋驱动”的模式深度融合。在此过程中，科学推动了AI模型的演进，而AI则为科学研究提供了新的工具和方法。他还强调，复杂推理能力是人工智能迈向通用人工智能（AGI）的关键步骤。尽管现有的大语言模型在自然语言处理方面表现出色，但在逻辑推理和结构化问题处理上仍有不足。因此，漆远教授提及INF Neuro-Symbolic技术，该技术通过整合符号主义和连接主义的优点，大幅提升了模型在复杂逻辑推理任务中的表现，成为推动AI可信性和实用性的核心驱动力。最后，漆远教授总结了生成式人工智能的未来发展方向。他认为，复杂推理能力的突破将推动AI迈向通用人工智能，而生成式人工智能的应用将从数字世界逐步延伸至物理世界，从而彻底改变社会生产力格局。 香港大学协理副校长，香港大学经管学院副院长、金融学讲座教授林晨发表了以“AI能够促进性别平等吗？”为主题的演讲。林晨教授指出，性别歧视在许多领域中都广泛存在，尤其是在男性主导的领域如围棋和国际象棋中，女性的参与度和表现长期处于劣势。林晨教授介绍了其与合作者在围棋培训机构开展的自然实验结果，在此实验中，研究团队利用人工智能教师教授学生学习围棋，并采用比赛胜负和机器学习算法来识别学生的表现。研究表明，与人类教师相比，人工智能教师不仅显著提升了学生的整体表现，更有效地缩小了男女学生之间的成绩差距。他指出，在我国大力推动教育信息化和科技赋能教育的背景下，人工智能技术为教育的公平性、质量和可持续性提供了切实可行的解决路径。 明亚基金总经理丁玥女士主持了第一场圆桌讨论，来自投资领域的四位嘉宾围绕“金融科技投资”这一主题展开了深入讨论。 Amino Capital创始人李强先生从生成式AI和区块链的结合切入，分析了金融科技如何为投资领域创造新机会。他指出，生成式AI目前面临的重要问题在于，如何保护内容创作者的权益，只有通过激励机制的创新才能真正释放技术潜力。他进一步探讨了中美风投市场的差异，强调美国以硅谷为核心，40%的风投集中于创新能力强的初创期企业，而中国则依托政府的组织能力引导资本布局，这为两国资本市场的发展提供了不同的动力来源。 勤智资本创始人及董事长汤大杰汤大杰先生强调，金融科技的价值在于底层技术对产业的深远影响。他特别提到，AI的终极目标可能在于推动生命科学的发展，比如加速生物医药的成药进程。他结合个人十余年的投资经验总结道，成功的投资需要“专业”和“专注”，而后者尤为难能可贵。他指出，创始团队是否愿意以实际资金投入而非无形资产注资，是判断项目潜力的重要指标。 华院计算创始人及董事长宣晓华先生则从企业实践出发，分享了公司在金融风险管理与量化投资领域的经验。他提到，大语言模型在智能客服等领域已经显示出显著价值。在谈到AI对金融行业的影响时，他表示，AI在资产配置和风险管理中的应用日益深入，但要在投资领域实现突破，仍需结合企业的基本面信息与极端数据。他认为，AI的介入将为量化投资提供更强有力的支持，这是一个值得长期关注的领域。 来自富国基金的基金经理金泽宇先生从实际数据出发，剖析了AI在投资策略优化中的现实挑战与潜力。他指出，AI基金产品在回撤方面的表现较为明显，其收益更多来自风险补偿而非阿尔法收益。他提到，金融市场的复杂性往往使历史经验无法完全预测未来走势，例如近年来小市值股票的表现与传统认知相悖。展望未来，他认为，AI技术需要突破对历史数据的依赖，通过深度学习与市场洞察结合，才能实现真正的投资策略升级。 会议最后，主持人丁玥女士对讨论进行了总结。她指出，金融科技正逐步从技术辅助工具发展为行业核心驱动力，各位嘉宾的发言充分体现了技术与实践的融合。此次圆桌论坛不仅展示了金融科技的广阔前景，也为投资领域的创新提供了启发性思路，为行业从业者应对未来挑战指明了方向。 随后，美国华盛顿大学商学院Norman J. Metcalfe金融学讲席教授宋阳主持了“绿色金融与数字经济前沿”的主旨演讲环节。 复旦大学特聘教授、复旦大学保险应用创新研究院院长陈诗一发表了题为“光伏扶贫在中国的实践与成效”的主旨演讲。陈诗一教授指出，光伏扶贫作为中国政府“精准扶贫”工程中的一项创新政策，不仅可以为贫困家庭提供长期稳定的收入，还能促进低碳经济转型。陈诗一教授研究发现，光伏扶贫项目切实提高了偏远贫困地区家庭的收入水平，尤其对于低收入家庭与低教育程度家庭的政策效果更加显著，这种政策还可以减少二氧化碳和一氧化碳排放。最后，陈诗一教授展望了光伏扶贫政策的未来发展方向，认为随着技术的不断进步和市场的成熟，光伏扶贫将会发挥更大的作用，尤其是在应对气候变化和推动绿色发展的背景下，光伏扶贫将为能源转型和减贫提供有力的支持。 新加坡国立大学可持续与绿色金融研究院院长Sumit Agarwal教授在会上发表了有关信贷市场和借款者行为新见解的演讲。Sumit Agarwal教授的研究基于特有的金融科技数据集，涵盖超过800万用户的交易记录，该平台为用户提供无息现金预支服务，并允许用户自愿支付小费或选择即时现金发放。在演讲中，Sumit Agarwal教授聚焦借款者对高利率贷款的接受度及背后的经济和认知因素，深入探讨了消费者行为对信贷市场的影响。在演讲中，Sumit Agarwal教授呼吁提高消费者的金融教育水平，通过优化政策设计，帮助消费者在复杂金融环境中做出更明智的决策。他强调，只有通过共同努力，才能更有效地提升金融市场的效率和公平性，最终改善消费者的福祉。 北京大学汇丰商学院院长王鹏飞教授发表了题为“资产泡沫、研发与内生增长”的演讲。王鹏飞教授首先回顾了历史上几次著名的资产泡沫事件，并由此引出与合作者构建的包含股权泡沫和金融摩擦的无限期内生增长模型。在该经济模型中，家庭和最终商品、中间商品和研发这三个主要的生产部门构成了整个经济体的框架。王鹏飞教授通过严谨的理论模型推导，揭示了资产泡沫通过多种机制促进研发和长期经济增长，特别是股权泡沫因直接提升企业市值而在推动经济增长方面效果更为显著。 在第二场圆桌讨论环节，合远基金创始人、总经理管华雨主持了“产业与技术融合创新”主题的圆桌讨论。 上海信豪科技有限公司总经理王天碧先生就数据资产的确权、政策展望、以及数据资产的变现和应用等问题交流观点。他认为，数据资产的确权、流转等需要结合各地方的现实情况，并基于不同行业的现状与痛点形成有效赋能。他同时指出，不同企业具有不同历史使命和角色担当，因此在数据资产领域的突破需要结合企业核心技术及其在行业深耕下积累的领域知识，并实现数据结合需求。 围绕我国程序化交易与主要发达国家之间的差异，上海证券交易所研究员徐广斌先生分享了个人见解，提出我国程序化交易起步相对较晚且占比较低。他认为，差异主要来自三方面：第一，境外做市商发展成熟，大量使用程序化交易；第二，境外多中心市场结构为程序化交易带来巨大发展空间；第三，境外存在的暗池与另类交易系统有利于高频交易。境内则以单中心为主、做市商处于初步发展阶段、注重投资者保护，在程序化交易发展上相对稳妥。徐广斌先生还认为，AI可以增强程序化交易的风险管理能力、创新交易策略以及提升算法编码效率等，但同时也要重点关注可解释性、可靠性、羊群效应、竞争垄断等潜在风险。 上海交通大学特聘教授、智能计算研究院院长葛冬冬就大数据对运筹学的发展助力交流观点。他指出，运筹学作为一门交叉科学能够有效吸收各领域的发展优势，如算力增强、解决问题范围扩大等。基于此，葛教授进一步解释了目前我国与国外大模型的差距，主要在对于复杂建模的处理能力不足、且在同等算力条件下底层基础运算执行效率低等方面，未来需要对国内生态环境进一步改善，努力保障相关产业的发展得到大力支持，从而在源头上解决问题。 最后，上海财经大学经济学院院长、上海数学与交叉学科研究院访问教授周亚虹主持会议闭幕式及闭幕主旨演讲。 清华大学社会科学学院经济学研究所汤珂教授发表了以“教机器学习经济学”为题的主旨演讲。汤珂教授首先指出，传统的经济学模型在面对复杂的现实世界时，常常难以应对结构性变化和不确定性，因此需要寻找新的方法来提升传统模型的适用性和预测效果。迁移学习技术（Transfer Learning）就是一种有效的解决方案，其能够通过利用源领域训练的模型，加速在目标领域的学习过程，并已在计算机视觉等领域取得了显著成功。汤珂教授及其合作者探索将该理念引入经济学领域，结果发现，迁移学习框架在期权定价方面的表现优于传统的随机波动模型和深度学习模型，且能够展现出更强的鲁棒性和适应性。最后，汤珂教授总结道，我们不仅要关注如何利用机器学习改进经济模型的预测能力，还应关注如何通过数据反馈不断完善经济理论。 帝国理工学院教授、RFS执行主编Tarun Ramadorai以“自动化时代的人类金融建议”为题作主旨演讲。Tarun Ramadorai教授通过混合型机器人在零售金融咨询中发挥作用的实际案例，分析了人类顾问如何在高度自动化的环境中发挥补充作用。研究发现，高质量的人类顾问可有效帮助客户应对资本市场波动，尤其是在市场低迷期，显著提高了客户的信任和服务留存率。但是，低质量的顾问往往在市场表现不佳时才与客户沟通，这导致了较低的客户满意度和更高的流失率。Tarun Ramadorai教授最后总结道，在高度自动化的金融服务中，人类顾问仍具有不可替代的作用，特别是在提升客户满意度和应对行为偏差方面。为实现AI与人类智慧的最佳结合，他呼吁行业决策者在推广自动化技术的同时，充分利用人类顾问的软技能优势，实现技术与服务的协同效益。 会议最后，康奈尔大学约翰逊商学院Rudd家族管理学讲席教授、金融学教授丛林做会议总结发言，对参与本次会议的各位专家表示衷心感谢。