撰文：南淮（南大在读研究生），来源：LAMDA课题组，南京大学等
近日，南京大学副校长周志华领导的LAMDA课题组接连斩获EDA 、AAAI两大顶级会议的最佳论文奖。
南京大学LAMDA团队斩获人工智能顶级会议AAAI 2025 最佳论文
近日，在国际人工智能联合会议AAAI 2025上，南京大学周志华团队凭借其原创性神经-符号学习领域的反绎学习（Abductive Learning，简称ABL）框架的最新研究成果“Efficient Rectification of Neuro-Symbolic Reasoning Inconsistencies by Abductive Reflection”荣获最佳论文奖（Outstanding Paper Award）。该奖项再次彰显了周志华团队在人工智能领域的卓越贡献和创新能力。论文第一作者胡文超（南京大学人工智能学院博士生）、第二作者戴望州（南京大学智能科学院与技术学院）、第三作者姜远（南京大学人工智能学院），通讯作者是周志华（南京大学人工智能学院）。
TOP小编从相关渠道了解到，今年的 AAAI会议共12957 篇有效投稿，其中录用3029篇，最佳论文仅3篇。
反绎学习框架是周志华团队于2019年首次提出的一种创新研究范式，成果最早发表于国际人工智能顶级会议NeurIPS。不同于以深度学习为代表的数据驱动方法，ABL创造性地实现了知识数据双驱动，将机器学习与逻辑推理以均衡的方式相结合，并能够通过端对端的学习方式实现从原始输入到输出的直接控制。其灵活的框架和实用的性能，使得ABL在某些任务中的表现超越了目前最先进的深度学习模型。
图1：反绎学习示意图
反绎（abduction）的概念在人工智能历史上曾多次被讨论，并尝试与符号归纳相结合。周志华团队经过多年的深入探索，提出了原创性的反绎学习框架，并对其进行了多次扩展和改进。相关研究成果发表于AAAI、IJCAI、NeurIPS等国际人工智能顶级会议，为人工智能领域带来了新的突破和发展。
本次获奖的论文“Efficient Rectification of Neuro-Symbolic Reasoning Inconsistencies by Abductive Reflection”是基于ABL框架的进一步改进。作者受人类认知反思的启发，提出了一种称为反绎反思（Abductive Reflection, ABL-Refl）的方法。该方法在训练过程中利用领域知识反绎出反思向量，用于标记神经网络输出中的潜在错误，并在推理时通过反绎推理进行纠正，从而生成符合领域知识的输出。
相比于以往的ABL相关方法，ABL-Refl更加高效。实验结果表明，ABL-Refl在减少训练资源需求的同时，提高了学习效率并实现了更高的准确率，优于当前最先进的神经符号学习方法。这一突破不仅为神经-符号学习领域提供了新的思路和方法，也为人工智能的发展注入了新的活力和动力。
周志华团队的这一研究成果再次证明了反绎学习框架的潜力和价值。未来，该团队将继续深化对反绎学习的研究，探索更多创新应用，为人工智能领域的发展做出更大的贡献。
图2：ABL-Refl 的结构
联手华为诺亚！南京大学LAMDA团队斩获DATE 2025斩获最佳论文，突破百亿晶体管设计难关
电子设计自动化（EDA）作为芯片设计的核心领域，素有“芯片之母”之称，对半导体产业的发展起着至关重要的作用。近日，在EDA领域的顶级国际学术会议——欧洲设计自动化与测试会议（DATE）2025上，南京大学LAMDA实验室钱超教授团队携手华为诺亚方舟实验室，凭借论文“Timing-Driven Global Placement by Efficient Critical Path Extraction”荣获最佳论文奖，标志着我国在先进芯片设计技术上的又一重大突破。论文第一作者侍昀琦、第四作者林熙、第五作者薛轲分别是南京大学人工智能学院的硕士生、本科生和博士生，钱超教授为通讯作者，论文与华为诺亚方舟实验室合作完成。
DATE会议自1994年创办以来，已成功举办31届，是EDA领域研究成果展示与交流的重要平台。本次会议于3月31日至4月2日在法国里昂举行，共收到超过1200篇投稿，经过严格评审，最终录用率约为25%，而最佳论文奖仅有4篇，获奖率极低，仅为0.3%。
图3：基于高效关键路径提取技术的时序目标建模
南京大学LAMDA团队针对大规模芯片标准单元的全局布局问题，提出了一种高效的关键路径提取技术。该技术能够全面覆盖所有时序违例端点，精确建模时序目标，并在优化过程中兼顾布线长度、布局密度等多个关键指标。实验结果表明，与当前最先进的算法相比，该技术在关键时序指标TNS和WNS上分别实现了40.5%和8.3%的显著提升。审稿人对这一成果给予了高度评价，认为“结果令人印象非常深刻，超过了所有先进工作”。
值得一提的是，南京大学LAMDA实验室与华为诺亚的合作不仅限于此次获奖的论文。双方正在进一步深入合作，旨在通过先进的芯片设计技术来突破当前先进制造工艺的局限。这一合作不仅体现了南京大学在EDA领域的深厚底蕴，也彰显了华为诺亚在技术创新上的强大实力。
近年来，AI技术在芯片设计领域的应用吸引了全球范围内的广泛关注。众多EDA行业的领军企业纷纷推出融合了AI技术的EDA产品，旨在提升芯片设计的效率与精确度。在此背景下，南京大学LAMDA实验室同样展现出了非凡的实力。依托其在演化学习领域的深厚理论基础和长期研究，该实验室成功研发了一系列针对芯片设计中复杂优化难题的原创性先进算法。特别是在芯片宏元件布局方面，相比Google在《Nature》2021年发表的方法，LAMDA实验室的算法在布线长度上实现了80%以上的缩减；与当前最先进的开源EDA工具OpenROAD相比，其在芯片最终时序指标上更是提升了超过65%，并因此荣获ACM SIGEVO Human-Competitive Results奖项。这些算法在芯片宏元件布局、寄存器寻优等关键环节均取得了显著效果，部分技术已被华为海思等知名企业采纳并实施验证，成功解决了华为“揭榜挂帅”项目中的多项难题，其中，芯片寄存器寻优效率的平均提升幅度更是达到了惊人的22.14倍。
此次获得DATE 2025最佳论文奖，不仅是对南京大学LAMDA团队和华为诺亚方舟实验室合作成果的肯定，也是对我国在EDA领域技术创新能力的有力证明。未来，随着双方合作的不断深入，我们有理由相信，我国在先进芯片设计技术上将取得更多突破性进展，为半导体产业的蓬勃发展贡献更多中国智慧和中国力量。
撰文：南淮（南大在读研究生）
编辑、审核：大可
版权声明：本文经文章作者“TOP编辑部”授权刊登，本文章只为学术传播，并不代表公众号立场。未经授权擅自刊登，将面临法律风险。
