2025年12月30日下午，我院于润知楼201会议室举办第四期学术沙龙活动。本次沙龙特邀三位嘉宾围绕智能碳排放预测、机器学习与数理优化融合、省级科研平台申报三大核心主题展开深度分享，为在场师生呈现了一场兼具技术深度、应用价值与战略视野的学术盛宴，助力学院科研创新与产业融合双向赋能。

沙龙首场报告由福州大学李仁钟教授带来，报告题为《基于生成式对抗网络和深度学习的智能碳排放预测的研究》。李教授结合“双碳”背景下碳排放数据质量参差、建模难度大的现实问题，系统介绍了生成式对抗网络GAN与深度学习集成模型在碳排放预测中的创新应用。

报告指出，通过GAN增强样本分布质量，并引入负相关学习优化集成模型结构，可有效缓解传统方法在小样本与噪声数据条件下预测精度不足的问题。实验结果显示，该方法在预测性能上显著优于随机森林等经典模型，为实现高精度碳排放预测与碳中和决策提供了有力的技术支撑。报告内容紧贴国家战略需求，引发了现场师生对AI技术服务“双碳”目标的深入思考。

随后，胡津阁副教授以《机器学习与数理优化的融合研究及其在物流中的应用》为题展开分享。报告以带容量限制的车辆路径问题为典型应用场景，系统阐述了机器学习方法与传统数理优化算法在复杂物流问题中的协同机制。

胡副教授重点介绍了模糊C均值聚类、遗传算法与FAISS高效相似性检索技术的融合思路，通过挖掘历史路径数据中的近似解信息，实现对算法初始解的有效优化，从而在大规模物流调度问题中取得求解速度与解质量的平衡。报告不仅展示了算法层面的创新，也为人工智能技术在智慧物流、低碳运输等实际场景中的落地应用提供了清晰范式。

沙龙最后一场报告由林德敬高级工程师主讲，报告题为《面向省级重大科研平台的资源拓展与协同申报策略》。林工程师以其主持和参与多项大型工程与科研项目的实践经验为基础，结合“揭榜挂帅”项目的实施路径，系统梳理了省级重大科研平台申报中的政策机遇与关键环节。

报告重点分析了如何依托已有科研成果，整合高校、科研机构与产业链骨干企业资源，形成协同攻关机制；并围绕科研平台布局、技术攻关方向凝练、项目储备与申报节奏安排等方面，提出了具有可操作性的策略建议。报告为学院后续推进省级重大科研项目申报与科研资源拓展提供了重要参考。

本次学术沙龙三位嘉宾的分享各具特色、相互呼应，既有智能预测算法的前沿突破，也有跨学科融合方法的实践探索，更有科研平台建设的战略规划。作为学院搭建学术能力提升平台的重要举措，此次沙龙不仅拓宽了师生的学术视野，激发了技术创新与产学研协同的热情，更为学院科研工作“走出去、向上延伸”提供了清晰的路径指引，必将进一步推动学院科研水平与社会服务能力的双提升，为培养高层次AI交叉学科人才、服务地方产业数字化转型贡献更大力量。