近日，由我司杨恺教授指导的2020级博士生焦阳的论文“Distributed Distributionally Robust Optimization with Non-Convex Objectives”被Conference and Workshop on Neural Information Processing Systems（NeurIPS）2022录用。焦阳同学为该论文的第一作者，杨恺教授为该论文的第二作者和通讯作者，美国康州大学的Dongjin Song教授为该论文的第三作者。

NeurIPS，全称神经信息处理系统大会，是机器学习方向国际上公认的三大顶级会议之一，代表着当今人工智能研究的最高水平。同时，该会议在中国计算机学会国际学术会议排名中为人工智能领域的A类会议，该会议采取双盲的方式进行评审，论文录用难度极大。

该论文讨论了机器学习中的基础数学理论问题——概率分布鲁邦优化。其目标是在概率分布的不确定集上找到一个最小化最坏情况代价的最优决策，分布鲁邦优化在无线网络、网络控制、管理科学等领域有着广泛的应用。杨恺教授和合作者早年提出了分布式鲁棒优化问题模型和基于割平面法和有效集法的分布式算法，理论分析了算法的收敛性，并且成功应用到无线网络的功率控制和智能电网的需量反应等问题中。本论文将鲁棒优化的分布式解法推广到概率分布鲁邦优化问题，首次提出了针对概率分布鲁棒优化的异步分布式算法，可以针对海量分布式数据进行高效并行学习。最后，该论文通过三十页的理论分析证明了即使在目标函数非凸的情况下，所提出的算法也能够收敛，并且推导出了异步算法的迭代复杂度。

杨恺老师实验室目前的研究领域为5G/6G无线自动驾驶网络、智能运维与物联网、机器学习。近期聚焦于这些领域的异常检测、因果分析与分布式优化问题。欢迎有志于科研的同学报考本课题组的博士，硕士，研究助理，博士后，或参与本科毕业设计。（文/马慧）