报告题目：从脉冲神经网络到大规模模型：理论、方法与未来展望
报告人：施万里 吉林大学人工智能学院助理教授
报告摘要：
随着人工智能技术的迅猛发展，脉冲神经网络（Spiking Neural Networks，SNNs）作为模拟生物神经系统的信息处理模型，因其在计算效率、能耗控制与处理速度等方面的独特优势，正逐渐成为智能计算的重要研究方向。本报告将系统探讨脉冲神经网络向大规模模型演进的过程，深入分析其理论基础、核心方法及未来应用前景。报告将从多个维度展开讨论，包括脉冲化大模型的架构设计与优化策略、性能提升的关键技术、稀疏化机制的实现方法，以及在硬件部署过程中面临的挑战与应对方案。通过这些内容，旨在全面呈现脉冲大模型领域的最新研究进展，并展望其在未来智能系统中的应用潜力与发展趋势。
报告人简介：
施万里博士，2024年在南京信息工程大学获得博士学位。目前为吉林大学人工智能学院助理教授，研究方向为大模型脉冲化和双层优化，已在CCF A类会议期刊发表论文10篇，其中以第一作者发表6篇。
报告时间：2025年10月22日 15:30-17:10(7-8节)
报告地点：吉林大学前卫校区-第三教学楼-309
