近日，东南大学数学学院虞文武教授团队在分布式多智能体强化学习研究中取得新进展，研究成果以“Distributed Neural Policy Gradient Algorithm forGlobal Convergence of Networked Multi-Agent Reinforcement Learning ”为题在国际顶级期刊《IEEE Transactions on Automatic Control》上发表。随着人工智能的逐渐兴起，多智能体系统技术的不断发展，结合了多智能体系统和强化学习的多智能体强化学习受到了越来越多的关注。近年来，多智能体强化学习已逐渐成为了人工智能领域以及

近日，中心闵笑博士在国际控制领域顶刊《IEEE Transactions on Automatic Control》上发表题为《Safe control of multi-agent systems via low-complexity control barrier functions》的学术论文（长文），东南大学数学学院作为唯一通讯单位。近年来，多智能体系统在系统和控制领域受到越来越多的关注。与此同时，关于安全的研究成果激增，其中一个基本的方向是基于控制障碍函数的方法。该方法旨在为系统的轨迹建立一个安全的前向不变集，如果控制障碍函数关于时间的导数满足一个称为控制障碍条件的可行性条件，则可以

2025年5月15日，国际数据挖掘顶级会议SIGKDD（ACM SIGKDD Conference on Knowledge Discovery and Data Mining）发布2025年度论文录用结果。江苏省应用数学科学研究中心虞文武教授团队的研究成果《Decoupling Spatio-Temporal Prediction: When Lightweight Large Models Meet Adaptive Hypergraphs》被大会接收，该成果为大模型解决复杂时空预测难题提供了轻量级解决方案。本届会议Research Track（二月周期）共收到1988篇投稿，总体录用率仅

近日，国际著名学术期刊《Matter》在线发表了东南大学生物科学与医学工程学院/数字医学工程全国重点实验室刘宏研究员团队与数学学院虞文武教授、陈都鑫副教授团队合作完成的最新研究成果，文章标题为“Transformable and stimuli-responsive liquid metal for integrated, sustainable, and biomimetic DNA-based data storage”（可变形和刺激响应液态金属用于集成化、可持续和仿生DNA数据存储）。该研究将智能液态金属作为DNA数据存储载体，实现了从酶催化DNA合成、数据封装保护、无损解封装以及动态信

2025年3月21日，江苏省应用数学科学研究中心的虞文武教授和崔铁军院士、程强教授领导的研究团队在计算机网络与信息通信领域的国际顶级学术期刊《IEEE Transactions on Wireless Communications》上发表了题为“Double STAR-RIS Enhanced Secure Wireless Communications”的研究成果。随着通信技术的飞速发展，安全通信逐渐成为未来无线通信中不可或缺的一部分，其重要性渗透到民用和军用等多元领域。无线信道的独特传播特性，一方面为通信提供了灵活性和便捷性，另一方面其广播本质却使电磁波信号暴露在开放环境中，导致恶意窃听者与合法用户均可接收到无线信号，这使得在复杂的传播环境中，如多径效应、信号衰落及干扰等不可控因素作用下，私有信息的保护极具挑战性。为解决上述瓶颈问题，研究团队创新性地提出了一种双STAR-RIS（Simultaneously Transmitting and Reflecting Reconfigurable Intelligent Surface）辅助的安全通信网络架构，该架构通过同时透射和反射电

2025年2月11日，江苏省应用数学科学研究中心的虞文武教授和柴人杰教授领导的研究团队在国际知名期刊《Advanced Science》上发表了题为“Artificial Intelligence-Based Approaches for AAV Vector Engineering”的综述论文。该综述系统地总结了腺相关病毒（AAV）作为基因治疗载体的优势及其面临的挑战，并探讨了人工智能技术在优化AAV载体设计中的应用前景。AAV于其广泛的宿主范围、低致病性以及能够实现长期基因表达的特点，已成为基因治疗领域的首选载体。然而，AAV载体也面临着免疫原性和靶向特异性不足等限制。为了提高基因治疗的效果，研究人员一直在尝试通过各种方法对AAV载体进行改造。传统的生物实验方法虽然有效，但往往耗时长、资源密集且难以复制。近年来，随着人工智能技术的发展，特别是机器学习算法的应用，为加速AAV衣壳优化提供了新的途径，显著减少了开发时间和制造成本。机器学习和深度学习等人工智能技术为AAV载体的设计提供了新的工具，可以更快速、准确地预测最佳载体特性。人工智能算法能够处理大量数据，识别出最优的载体设计方案，

2025年1月23日，深度学习领域顶级会议——国际表征学习大会（International Conference on Learning Representations, ICLR) 公布了2025年论文录用情况，在11500份投稿稿件中，江苏省应用数学科学研究中心虞文武教授团队文章《The Robustness of Differentiable Causal Discovery in Misspecified Scenarios》被大会接收。因果发现作为复杂系统认知和人工智能可解释性研究的重要组成环节，是数学基础理论与人工智能研究的热门方向，也是经济、管理、信息、生物、医学等领域广泛使用的技术手段。然而，因果发现算法依赖于无法检验的因果假设，这些假设在现实世界的数据中通常难以满足，进而限制因果发现在实际场景中的广泛应用。面向上述挑战，团队广泛地对各种前沿因果发现算法（包括：基于约束、评分、函数因果模型和可微方法）在8种模型假设违反下的性能进行基准测试，实验结果表明：在除尺度变化外的场景下，可微因果发现方法在推断因果图的结构汉明距离（Structural Hamming Distan