2022年1月9日，拉斯维加斯手机娱乐网站 可视化与可视分析专业委员会与CCF大数据专家委员会联合组织的“面向超算的可视化与可视分析”论坛暨可视化高峰论坛（广州）成功举行。此次论坛由中山大学陶钧副教授和国防科技大学王文珂副研究员共同主持，中山大学教授、国家超级计算广州中心主任卢宇彤进行开幕致辞。北京大学袁晓如研究员、天津大学毕重科副教授、复旦大学陈思明青年研究员、西交利物浦大学俞凌云助理教授、南方科技大学马昱欣助理教授和中国空气动力研究与发展中心邓亮工程师分别做学术报告，分享他们在可视化与可视分析研究上的最新成果。

袁晓如老师给我们带来了题为《机器学习驱动的可视化研究》的精彩报告。他首先介绍了直接体绘制及流场可视化与机器学习结合的研究。针对体数据，袁老师展示了如何利用深度网络对数据、可视化参数及其间的复杂联系进行学习与编码，从而直接通过深度网络产生可视化结果。而针对流场，其团队利用高阶状态对粒子运动轨迹进行编码，构建出恰当的数据结构，以便输入到机器学习模型中学习出其中有效的信息，从而优化数据读写。其次，袁老师也介绍了其团队所开发的应用程序，深入浅出地介绍了自然语言处理与可视化的结合在机器学习中的应用。

毕重科老师介绍了其团队通过可视分析方法研究大规模通信延迟成因的工作。其团队提出了一种针对通信延迟中的感兴趣区域(Latency ROI)的交互式提取方法，据此构建基于消息逻辑时间的动态通信图。其可视分析系统通过对动态通信图的交互探索，可以分析不同类型的延迟热点成因（如通信模式、通信映射、后台流量，等）。最后，毕老师展示了该系统在超算的仿真性能数据集中的实验结果，验证了该系统对于热点提取及成因分析的有效性。

陈思明老师带来了题为《社交媒体与自动驾驶可视分析》的精彩报告。他基于社交媒体分析和自动驾驶这两个前沿的研究领域，介绍了如何利用可视化分析技术对城市的大数据进行分析。在社交媒体数据分析中，其团队通过分析带有地理信息的数据，如微博数据等，交互地挖掘出城市间人群流动的信息。在自动驾驶研究中，其团队提出了一种可视化的评估方法，以支持专家对包含时空与高维信息的数据进行分析与判断，从而找到自动驾驶行为的缺陷，提升自动驾驶模型的性能。

俞凌云老师与我们分享了《面向三维可视化数据的空间交互界面》的报告。她分别讲解了四种不同的空间交互技术：有形输入，触感输入，手势控制和混合交互，并从中引出空间交互中第三维输入的灵活性。俞老师同时也指出了这种交互手法在复杂可视化数据中的局限性。最后探讨了可视化交互技术与多模态协同合作在三维可视化数据中的发展前景。

马昱欣老师向我们分享了在基于可视分析的机器学习可解释性方面的研究内容。马老师以机器学习流水线为出发点，介绍了可视分析方法在数据预处理，模型解释，鲁棒性分析和知识迁移等方面的应用，探讨了如何使用可视分析方法提升模型可解释性，如何辅助用户理解预测过程和模型中的潜在问题。最后，马老师也向我们分享了自己关于人工智能可解释性未来发展方向的独特见解。
 
 

邓亮老师的报告题为《深度学习赋能非定常流场特征可视化方法研究》。他从流场数据日益提高的规模及精度给可视化方法清晰展示海量数据的能力带来的严峻挑战出发，介绍了在流场可视化中引入深度学习如何应对这些挑战。对于海量复杂的非定常流场数据，邓老师以空间维流场中的特征（漩涡和激波）和时间维流场中的关键实践部为研究对象，开展了基于深度学习的流场特征提取智能化的研究。其提高了特征提取的效率和精度，实现了海量流场数据的自动处理和分析，为领域专家理解和探索流场提供了重要工具。
 

在讲者报告后的提问环节中，在场的观众积极发表了自己的观点，踊跃地提出了自己的疑问，而各位讲者也对观众的问题一一作出详细的解答，约30余位专家学者参与了此次活动。至此，本次面向超算的可视化与可视分析学术报告圆满结束。