喜报！统计与大数据研究院4位博士生荣获中国工业与应用数学学会第九届学生论坛优秀墙报奖

2025年10月24日至26日，中国工业与应用数学学会（CSIAM）第二十三届年会暨第九届学生论坛在长沙隆重召开。CSIAM是我国应用数学领域层次最高、规模最大、影响最广的学术盛会之一。大会为期三天，开展了一系列高水平的学术活动，学术报告涵盖了应用数学各个方向近年的最新研究成果与创新发展，分别彰显了数学作为基础学科的基石作用，及其作为创新引擎驱动多领域协同发展的巨大潜力。

本届CSIAM学生论坛设有“墙报展示”交流环节，共有140余位学生参与此次展示，统计与大数据研究院共有8名博士生入选，他们分别是康欣来、黄君烈、朱珺、杜承朔、王涛、欧阳夏雪、薛敦耀、林俊一。现场展开了广泛的学术交流和讨论。通过组织专家评审，共评出21份“优秀墙报”，并于论坛颁发证书。黄君烈、杜承朔、王涛、薛敦耀4位同学获此殊荣，获奖数量位列参赛单位首位。全部获奖名单见链接：https://mp.weixin.qq.com/s/NOSR8FM2d8wIGxZlZCVliQ

统计与大数据研究院深入推进有组织科研，聚焦国家重大战略需求和行业关键问题，强化“产学研用”协同攻关机制，推动理论创新与产业实践深度融合，取得系列成果。未来，研究院将持续完善创新体系，推动成果转化落地，为实现高水平科技自立自强贡献统计智慧与力量。

从左至右依次为：黄君烈、林俊一、朱珺、欧阳夏雪、薛敦耀、杜承朔、王涛

优秀墙报获奖者合影（从左至右依次为）：黄君烈、杜承朔、王涛、薛敦耀

八位参会学生的个人简介

黄君烈，统计与大数据研究院2022级博士生，明理创新实验室Stat2Spark团队理事，主要研究方向为大数据子抽样、图像异常检测和非参数统计等。黄君烈深度参与华为“难题揭榜”，作为核心成员斩获一枚价值火花奖，两枚鼓励火花奖，带领Stat2Spark团队荣获明理书院优秀科研团队奖。黄君烈进行了题为“Efficient Approximation of Leverage Scores in Two-dimensional Autoregressive Models”的海报展示，成果发表于JCGS。

杜承朔，统计与大数据研究院2023级博士生，研究方向为最优传输，机器学习，张量数据分析等。杜承朔进行了题为“Ensemble Pruning Using Optimal Transport”的海报展示，成果投稿于IEEE TIT。

王涛，统计与大数据研究院2023级博士生，研究方向为最优输运、非参数统计、机器学习。王涛深度参与华为“难题揭榜”，作为核心成员斩获一枚价值火花奖。王涛进行了题为“Gaussian Herding across Pens: an Optimal Transport Perspective on Global Gaussian Reduction for 3DGS”的海报展示，成果发表于NeurIPS(Spotlight).

薛敦耀，统计与大数据研究院2024级博士生，主要研究方向为大数据子抽样、最优传输及其应用、大语言模型等。薛敦耀进行了题为“Core-elements Subsampling for Alternating Least Squares”的海报展示，成果发表于JCGS。

康欣来，统计与大数据研究院2021级博士生，主要研究方向为区间型数据分析、大语言模型等。康欣来深度参与华为“难题揭榜”，作为核心成员斩获一枚价值火花奖。康欣来进行了题为“Hausdorff Correlation for Interval-valued Random Objects”的海报展示，成果发表于Statistics and Computing。

朱珺，统计与大数据研究院2022级博士生，主要研究方向为最优输运问题及其高效算法,曾获中国人民大学综合类奖学金。朱珺进行了题为“Efficient Variants of Wasserstein Distance in Hyperbolic Space via Space-filling Curve Projection”的海报展示，成果发表于TNNLS。

欧阳夏雪，统计与大数据研究院2023级博士生，主要研究方向为大数据加速算法。欧阳夏雪进行了题为“Sparsification Techniques for Large-scale Optimal Transport Problems”和“A More Efficient Method for Large-sample Model-free Feature Screening via Multi-armed Bandits”的海报展示。

林俊一，统计与大数据研究院2024级博士生，主要研究方向为大数据子抽样和最优输运方法。林俊一进行了题为“Sparsification Subsampling for Partial Least Squares Regression”的海报展示。