国际机器学习大会（International Conference on Machine Learning，简称ICML），是由国际机器学习学会（IMLS）举办，与NIPS一同被认为是人工智能、机器学习领域难度最高的国际会议，从近五年ICML录用论文关键字来看，机器学习、深度学习等频次最高。今年的ICML 2024大会将于7月21日在奥地利维也纳举办，为期一周，该会议被推荐为CCF-A类会议。

论文介绍

论文题目：QBMK:Quantum-based Matching Kernels for Un-attributed Graphs

论文作者：白璐，崔丽欣，李明，王悦，Edwin R. Hancock

通讯作者：崔丽欣

论文概述：本文通过连续时间量子游走（CTQW）提出了一种新型量子匹配图核函数（Graph Kernels），即：QBMK。该方法能够通过计算结构匹配结点间基于量子Shannon熵的再生核（即：Reproducing Kernels），进一步定义熵化的量子图核函数。本文新提出的量子图核不仅能够有效解决经典R-convolution图核存在的忽略图结构间匹配信息的缺陷，还能够克服经典匹配图核函数无法鉴别图结构间任意对齐结点间的特征差异性信息的突出问题。此外，本文的量子图核函数能够通过CTQW的平均混叠矩阵同时捕捉图结构的全局与局部结构特征信息，解决了经典R-convolution图核、全局图核、匹配图核仅仅关注一种结构信息类型的缺陷。相关标准数据集的实验评估表明，本文提出的量子QBMK图核具有比经典图核与图深度学习方法更好的图分类性能。

TKDE（IEEE Transactions on Knowledge and Data Engineering），是计算机数据工程领域最权威的国际学术期刊之一。该期刊发表高质量的原创研究论文，其研究范围包括但不限于知识工程、数据工程、数据挖掘、机器学习、大数据处理、信息检索等领域，被推荐为CCF-A类期刊。

论文介绍

论文题目：HAQJSK: Hierarchical-Aligned Quantum Jensen-Shannon Kernels for Graph Classification

论文作者：白璐，崔丽欣，王悦，李明，李静，Philip S. Yu，Edwin R. Hancock

通讯作者：李明

论文概述：图核函数是一类能够将图结构数据映射至高维希尔伯特空间的核函数，为直接使用经典核机器学习方法进行图数据分析提供了重要理论支撑，是结构模式识别与图机器学习领域重要研究内容。本文基于连续量子随机游走（CTQW）提出了两种新型量子图核函数，即：Hierarchical Transitive-Aligned Jensen-Shannon Graph Kernels（HAQJSK）。该方法首先基于多层次传导匹配策略鉴别图结构间的传导匹配信息，并进一步将任意大小的图结构转换为大小固定的对齐结构，包括：多层次结构匹配邻接矩阵，以及多层级匹配量子密度矩阵。对于任意给定的图样本，该方法通过计算其对齐结构间的量子Jensen-Shannon散度（QJSD），给出了图样本间HAQJSK图核函数的定义。与经典图核函数不同，本文的量子图核函数不仅能够通过CTQW进一步刻画图结构内部蕴含的复杂特征信息，还可通过图匹配策略解决经典R-convolution图核存在的忽视结构对应信息缺陷。此外，本文的量子图核函数还可通过传导匹配策略保证结点匹配信息不变性与最终核函数的正定性等性质，进一步解释了本文算法的有效性。相关标准数据集的图分类实验表明，本文提出的新型HAQJSK量子图核函数比经典图核与图神经网络模型具有更好的图分类性能。