23日，第30届IJCAI在加拿大蒙特利尔召开，我校计算机科学与技术学院“大数据分析与智能”团队研究论文“Fine-Grained Air Quality Inference via Multi-Channel Attention Model”被大会录用。IJCAI（International Joint Conference on Artificial Intelligence）是人工智能领域顶级国际会议，中国计算机学会（CCF）推荐A类会议。本次大会投稿论文4204篇，录用587篇，录用率13.9%。

“大数据分析与智能”团队长期从事工业大数据与软件等方面的研究工作，该项成果由韩启龙教授、陈睿教授、博士研究生卢丹共同完成，卢丹参会并作视频报告。

细粒度空气质量预测问题的主要技术挑战来自于如何对静态和动态空间关系进行准确建模并有效融合两类信息。文章提出了一种全新的多通道注意力模型(MCAM)对静态和动态空间关联进行显式独立建模。静态通道采用注意力机制和基于图的空间建模技术创造性地改进双向滤波技术，实现了对欧式距离和地理场景特征的有效融合；动态通道采用长短期记忆网络、注意力机制和图卷积技术，学习空气监测站点对于任一目标地点的时间相关的动态空间影响；文章实现了大气扩散理论与深度学习技术的有机结合，并首次对空气污染物扩散的滞后性进行建模；提出了一种多通道图卷积融合网络，对不同通道的输出图数据与非图数据进行有效融合，最终实现了高精度的细粒度空气质量预测。作为国家重点研发计划“网络协同制造与智能工厂”专项“新型高复用工业管理软件架构方法与工具”项目的理论研究成果，该技术可广泛应用于智慧工厂时空相关多源异构数据的融合与预测。

论文链接