VALSE Webinar 25-04期 总第375期 AI方向投稿Nature/Science系期刊的经验及相关工作分 ...

报告嘉宾：谢伟迪 (上海交通大学)

报告题目：关于AI相关论文投稿Nature/Science系期刊的一些经验和相关项目介绍

报告嘉宾：吴郁杰 (香港理工大学)

报告题目：生物可塑性启发的高效类脑学习方法

Panel嘉宾：

谢伟迪 (上海交通大学)、吴郁杰 (香港理工大学)、顾实 (电子科技大学)、谢凌曦 (华为技术有限公司)、邓磊 (清华大学)

Panel议题：

1. 什么样的工作适合投Nature和Science？

2. Nature对AI研究的跨学科要求是什么？

3. Nature/Science的论文和AI期刊以及会议的区别是什么？如何侧重？

4. 在准备向Nature提交之前，如何评估自己的工作？

5. 是否需要和Editor先沟通再投稿？

6. Nature系列期刊的选取和定位是什么？比如Nature Machine Intelligence, Nature Computational Science，Nature Communications, Communication Engineering有何区别？

报告嘉宾：谢伟迪 (上海交通大学)

报告时间：2025年2月26日 (星期三)晚上20:00 (北京时间)

报告题目：关于AI相关论文投稿Nature/Science系期刊的一些经验和相关项目介绍

报告人简介：

谢伟迪，上海交通大学长聘轨副教授，国家级青年人才(海外)，上海市海外高层次人才计划获得者，上海市启明星计划获得者，科技部科技创新 2030 —“新一代人工智能”重大项目青年项目负责人，国家基金委面上项目负责人。 博士毕业于牛津大学视觉几何组 (Visual Geometry Group，VGG，导师：Professor Andrew Zisserman，Professor Alison Noble)，首批 Google-DeepMind 全额奖学金获得者，China-Oxford Scholarship获得者，牛津大学工程系杰出奖获得者。主要研究领域为计算机视觉，医学人工智能，共发表论文超 80篇，包括CVPR, ICCV, NeurIPS, ICML, IJCV, Nature Communications等，Google Scholar累计引用超 13800余次，多次获得国际顶级会议研讨会的最佳论文奖和最佳海报奖，最佳期刊论文奖，MICCAI Young Scientist Publication Impact Award Finalist；Nature Medicine，Nature Communications特邀审稿人，计算机视觉和人工智能领域的旗舰会议CVPR，NeurIPS，ECCV的领域主席。

个人主页：

https://weidixie.github.io

报告摘要：

在这次报告中，我将分享些团队近两年在Nature系期刊投稿的一些经验和相关论文，重点聚焦于基础大模型在AI4Healtchare领域的发展，包括：开源数据的构建，视觉-语言模型训练方法，应用的领域等。由于时间关系，我会对技术的尽量简短介绍，更加侧重于当时选题的想法。

参考文献：

[1] PMC-CLIP: Contrastive Language-Image Pre-training using Biomedical Documents.

In: International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI), 2023. (MICCAI Young Scientist Publication Impact Award, Finalist)

[2] Knowledge-enhanced Pre-training for Auto-diagnosis of Chest Radiology Images. In: Nature Communications, 2023. https://www.nature.com/articles/s41467-023-40260-7

[3] Towards Building Multilingual Language Model for Medicine. In: Nature Communications, 2024. https://www.nature.com/articles/s41467-024-52417-z

[4] Large-scale Long-tailed Disease Diagnosis on Radiology Images. In: Nature Communications, 2024. https://www.nature.com/articles/s41467-024-54424-6

[5] Towards Evaluating and Building Versatile Large Language Models for Medicine. In: Npj Digital Medicine (Nature Portfolio), 2025. https://www.nature.com/articles/s41746-024-01390-4

[6] Development of a large-scale medical visual question-answering dataset (PMC-VQA). In: Nature Communications Medicine, 2025. https://www.nature.com/articles/s43856-024-00709-2

[7] A Knowledge-enhanced Pathology Vision-language Foundation Model for Cancer Diagnosis. Nature Cancer (under revision), 2025. https://arxiv.org/abs/2412.13126

[8] Towards Generalist Foundation Model for Radiology by Leveraging Web-scale 2D & 3D Medical Data. Nature Communications (under revision), 2025. https://arxiv.org/abs/2308.02463

[9] One Model to Rule them All: Towards Universal Segmentation for Medical Images with Text Prompts. Nature Communications (under revision), 2025. https://arxiv.org/abs/2312.17183

报告嘉宾：吴郁杰 (香港理工大学)

报告时间：2025年2月26日 (星期三)晚上20:30 (北京时间)

报告题目：生物可塑性启发的高效类脑学习方法

报告人简介：

吴郁杰博士，现任香港理工大学研究助理教授，2021年获清华大学博士学位，2021年-2024年在Wolfgang Maass院士组从事博士后研究。主要研究方向为计算神经科学和类脑智能，近年来相关成果多次发表于国际知名期刊与会议，包括Nature (封面文章)、Science Robotics (封面文章)、Nature Computational Science (单篇入选年度推荐文章)、Nature Communications (3篇入选特点论文)等。3项工作入选ESI 1%高被引论文，4项工作实现专利转化，谷歌学术近五年引用量5000余次。

个人主页：

https://yjwu17.github.io/

报告摘要：

不同于现有的人工智能系统，大脑通过多尺度、多类型的可塑性机制实现高效的学习与记忆功能。在本次报告中，我将重点探讨两个问题： (1) 如何理解和建模大脑的快速、单样本可塑性机制；(2) 如何将大脑的可塑性机制整合到基于误差学习的脉冲神经网络中，以提升模型的学习效率和泛化能力。此外，我还将分享和探讨子刊投稿的一些心得与思考。

参考文献：

[1] Y. Wu, W. Maass. “A simple model for Behavioral Time Scale Synaptic Plasticity (BTSP) provides content addressable memory with binary synapses and one-shot learning.” Nature Communications, 2025

[2] Y. Wu, R. Zhao, J. Zhu, et al. “Brain-inspired global-local learning incorporated with neuromorphic computing.” Nature Communications, 2022, 13(1): 1-14.

Panel嘉宾：顾实 (电子科技大学)

嘉宾简介：

顾实，电子科技大学计算机科学与工程学院教授，脑与认知实验室负责人。美国宾夕法尼亚大学 (University of Pennsylvania)应用数学与计算科学专业博士，清华大学数理基础科学专业学士，2017年入选第十三批国家青年特聘专家，同年入选福布斯中国“30岁以下30人”榜单。主要研究方向为计算神经科学与类脑人工智能，相关研究发表在Nature Communications、Science Advances、PNAS、ICLR、ICML，NeurIPS等国际期刊和会议上。

个人主页：

https://guslab.org

Panel嘉宾：谢凌曦 (华为技术有限公司)

嘉宾简介：

谢凌曦，华为公司高级研究员。分别于2010年和2015年于清华大学获得本科和博士学位，并且于2015年至2019年期间在美国加州大学洛杉矶分校和约翰霍普金斯大学担任博士后研究员。研究兴趣覆盖计算机视觉的各个方向，主要包括统计学习方法和深度学习模型与基础视觉任务的结合，并积极推动自动机器学习算法和视觉基础模型在上述领域的应用。在国际顶级的学术会议和期刊上发表超过100篇论文，谷歌学术引用超过2万次。

个人主页：

http://lingxixie.com/

Panel嘉宾：邓磊 (清华大学)

嘉宾简介：

邓磊，清华大学精密仪器系、类脑计算研究中心，清华大学华宇冠名副教授、博士生导师，入选国家高层次青年人才计划，IEEE Senior Member。从事类脑智能相关研究达12年，在Nature、Nature Communications等发表论文100余篇，包含4篇封面论文、4篇Featured/Popular Articles、5篇ESI高被引论文和1篇最佳论文，获授权发明专利30余项。担任Frontiers in Neuroscience期刊副主编、中国人工智能学会脑机融合与生物机器智能专委会委员，曾任多个国际会议分论坛主席和程序委员会委员。个人曾入选全球前2%顶尖科学家榜单、北脑青年学者、吴文俊人工智能优秀青年奖、中国光学工程学会金国藩青年学子奖、MIT TR 35 China和清华大学良师益友奖等荣誉，代表成果曾获中国科学十大进展、世界互联网领先科技成果、中国计算机学会技术发明一等奖、日内瓦国际发明展金奖和Intel中国学术成就奖卓越研究奖等奖项。

个人主页：

https://dllfei.github.io/

主持人：余肇飞 (北京大学)

主持人简介：

余肇飞，现任北京大学人工智能研究院研究员、博士生导师，博雅青年学者，国家优秀青年基金获得者。分别于2012年、2017年从重庆大学、清华大学获得工学学士、博士学位，2017-2020年在北京大学从事博士后研究。主要研究方向为类脑计算、神经形态计算。在Nature Biomedical Engineering、Science Advance、IEEE Transaction汇刊和NeurIPS、ICLR、ICML、CVPR、ICCV、ECCV、AAAI、IJCAI等顶级会议上发表论文60余篇，主持科技部“脑科学与类脑研究”重大项目子课题、国家自然科学基金面上项目、北京市科技新星、博士后创新人才支持计划等项目，担任ICML、ICLR、ACM MM等会议领域主席 (Area Chair)，AAAI Senior PC Member，曾获中国自动化学会自然科学奖一等奖、北京市科学技术奖二等奖。

实验室主页：

https://yuzhaofei.github.io

特别鸣谢本次Webinar主要组织者：

主办AC：余肇飞 (北京大学)

协办AC：郑乾 (浙江大学)