2026年中比信息物理系统前沿研讨会

本次研讨会将围绕信息物理系统前沿问题展开，重点探讨在不确定性环境下具备风险意识的决策方法。传统方法依赖于显式建模，如蒙特卡洛模拟与李雅普诺夫分析，但面对现代复杂系统与未知分布的不确定性，亟需减少对模型的依赖，转向数据驱动方法。报告将介绍基于场景的决策理论框架，包括场景方法、共形预测与概率近似正确（PAC）学习，展示其在无需显式建模前提下实现风险感知决策的能力。

将进一步汇报最新研究成果：仅依据算法行为与观测数据，即可提供有限样本、无分布假设的风险保证。最后提出一种新范式，将上述理论应用于安全关键型模型预测控制（MPC）中的探索-利用权衡问题。

拉斐尔・容格斯（Raphaël Jungers）现任比利时鲁汶大学（UCLouvain）教授，主要研究方向为计算机科学、人工智能与控制理论。他于2008年在鲁汶大学获得数学工程博士学位，此前在巴黎中央理工学院和鲁汶大学分别获得应用数学硕士学位。

他曾任麻省理工学院、加州大学洛杉矶分校、牛津大学等多所国际知名高校访问学者。他是IEEE会士（2025年入选），2026–2027年担任IEEE控制系统学会副主席（主管会议事务）。

曾获IBM比利时奖、ERCIM科尔・巴亚恩奖提名、SICON最佳论文奖、HSCC最佳论文奖及NAHS最佳论文奖，并获欧洲研究委员会（ERC）项目资助。他在多个顶级期刊担任副编辑，包括《IEEE自动控制汇刊》《Automatica》等，目前是《非线性分析：混合系统》副主编。