10月13日，“图优化与人工智能交叉”学术沙龙在南开大学津南校区举行。本次沙龙汇聚了来自图论、组合优化与人工智能领域的多位学者，围绕理论基础、AI创新算法、产业应用、交叉团队建设等议题展开了深入的交流与讨论。沙龙报告内容既有坚实的人工智能理论基础，又展现了广阔的应用前景，凸显了学科交叉的强大生命力。 

中国科学院数学与系统科学研究院的闫桂英研究员以“人工智能基础——图论”为题，深入浅出地阐述了图论作为描述复杂关系的核心工具，在人工智能发展中的基石作用。她进一步分享了其团队如何利用图网络方法进行阿尔茨海默病的预测研究，生动展示了基础数学理论在解决重大生命科学难题中的强大力量，强调了从基础研究到交叉应用贯通的重要性。

随后，中国科学院大学的韩丛英教授带来了题为“Purity Law for Neural Routing Problem Solvers with Enhanced Genera--lizability”的前沿报告。针对路由类优化问题，韩教授团队发现了最优解所遵循的“纯度法则”，揭示了一条边出现的频率与其局部稀疏性之间存在指数增长的普适规律。基于这一发现，他们提出了“纯度策略优化”新范式，显著提升了模型在不同问题规模和分布下的泛化能力，为突破神经网络在优化领域“适应性差”的难题提供了新颖且有效的思路。

西安交通大学数学与统计学院孙建永教授的报告聚焦于“人工智能驱动的大规模组合优化算法、平台与应用”。孙建永教授指出，传统方法在面对工程中的大规模组合优化问题时往往力不从心。他系统介绍了其团队在解决AI求解器“跨规模、跨类型、跨分布”泛化难题上的系列成果，并分享了团队自主研发的软件平台。该工作致力于将AI优化算法转化为易于使用的工具，推动前沿研究走向实际应用，为相关行业提供了有力的技术支撑。  

最后，南开大学计算机学院蔡庆琼副教授分享了“图优化问题的深度学习求解及其在文旅场景中的应用思考”。蔡庆琼副教授介绍了团队在图论、组合优化与深度学习交叉方面的研究成果，并探讨了如何将图优化智能求解技术应用于文旅场景，如个性化旅游路线规划、设施布局智能决策等。

报告结束后，与会专家就报告内容进行了热烈讨论，并对交叉研究的进一步落地提出了宝贵的建设性意见。

本次交叉沙龙获南开大学前沿交叉学科研究院青年交叉研究项目支持。沙龙的成功举办，促进了图论、组合优化与人工智能等学科的交叉融合，为相关领域学者间的交流与合作提供了一个良好的平台。