报告摘要：在机器学习中，数据集的质量决定了数据分析效果的上限，而模型和算法的改进只是不断逼近这个上限。因此，有效的数据集构建方法和及其质量提升至关重要。本报告将介绍我们提出的基于可视分析的数据质量可解释框架。该框架将机器学习方法和可视分析技术紧密集成在一起，帮助数据专家更好地构造数据集、理解数据中的错误和不一致、提升数据集的可用性。最后，结合具体的应用实例，如标注数据修正和数据集偏差消除等，介绍我们基于该框架研制开发的可视分析方法与技术。

个人简介：刘世霞，清华大学教授，国家级人才计划入选者，IEEE Fellow， AAIA Fellow。主要研究方向是大数据可视分析与可解释人工智能。近年来在ACM/IEEE Transactions和CCF A 类会议上共发表论文60 余篇，获得40 余项发明专利。担任CCF A 类会议IEEE VIS论文主席（2016-17），IEEE VIS指导委员会委员（ 2020-23 ）；担任IEEE Transactions on Visualization and Computer Graphics 副主编、曾任编委；担任CCF A 类期刊Artificial Intelligence编委； 担任IEEE Transactions on Big Data 和ACM Transactions on Interactive Intelligent Systems 的编委。获IEEE可视化技术成就奖（2022），入选可视化名人堂（2020）和福布斯中国科技女性50（2022）。

报告题目：《纂图集》：大规模中国古代可视化数据集

报告摘要：人类通过图像的方式记录描绘事物由来已久，人们就会很自然地提问，在中华文明发展的历史上，是否还有一些不为今人所知的可视化样式？抱着这种好奇心，我们系统开展了中国古代可视化发展历史的研究工作。目前已经完成一个包含71,294幅中国古代早期可视化作品的大规模图像数据集《纂图集》。工作有助于学术界了解中国古代可视化的多样性，为进一步理解分析中国古代可视化的设计空间提供了基础。研究工作为早期可视化图像研究提供了重要资源，更通过对数据集内容的系统性分析揭示了中国传统视觉表达的独特逻辑与文化内涵，为科技史、艺术史、文献学等多学科交叉研究提供了平台。

个人简介：袁晓如，北京大学智能学院研究员，教材建设博雅特聘教授，大数据分析与应用技术国家工程实验室常务副主任。主要研究方向为可视化通用基础方法及其在社会、人文领域的应用。多次获IEEE VIS, ChinaVis等可视化国内外学术会议最佳论文或提名奖，现任IEEE VIS, PacificVis, ChinaVis指导委员会成员。中国计算机学会杰出会员，中国图象图形学学会可视化与可视分析专业委员会主任。 

汪云海

中国人民大学教授

报告题目：从Canis到PiCCL构建下一代可视化语言体系

报告摘要：当前主流的可视化工具与编程框架（如 D3.js、Vega 等）虽在数据驱动的图表生成方面表现出色，但在象形图像元素的自动合成、交互逻辑的复用，以及图表动画的构建能力等方面仍存在显著限制。本研究提出了一套创新性解决方案：首先，Canis 提供了首个声明式图表动画编程语言，支持自动补全的低代码图表动画构建方式，大幅简化了复杂动画的开发流程。其次，Libra 通过引入状态机与交互任务的模块化抽象，统一了跨图表类型的交互逻辑表达，显著提升了交互复用性与结构清晰度。进一步地，PiCCL 语言采用参数化表征与惰性绑定机制，有效突破了象形元素自动合成的技术瓶颈，实现了复杂图形语义的灵活表达。实验结果表明，该可视化系统能够显著降低交互实现的复杂度、提升开发效率，并为大模型驱动的高质量可视化生成提供了全新的技术路径。

个人简介：汪云海，中国人民大学信息学院教授，博导，国家级青年人才，数据工程与知识工程教育部重点实验室副主任。研究方向为大数据可视分析，近五年在ACM SIGMOD、ACM SIGKDD、ACM SIGCHI、IEEE VIS、IEEE TVCG等相关会议与期刊发论文 70余篇，获得IEEE VIS、ACM SIGCHI多个领域顶级会议最佳论文提名奖等奖项。曾获山东省自然科学奖一等奖、中国电子学会科技进步奖二等奖、主持自然基金委联合重点、国际(地区)合作、重大专项培育、山东省杰青、科技创新2030重大项目课题等项目，担任IEEE TVCG、CGF、 IEEE CG&A等期刊编委。

报告题目：深度学习驱动的科学数据智能可视分析

报告摘要：超级计算机的发展使得计算能力不断突飞猛进，也使得科学模拟数据规模的爆炸式增长，超出了计算机的I/O和存储能力，造成了传统可视化后处理模式无法应对海量科学模拟的数据可视化分析挑战。原位可视化通过将可视化计算嵌入数值模拟程序中，在数据产生的位置进行处理而绕过I/O和存储瓶颈是解决这种挑战的最有效的方法。在本报告中，将介绍我们在原位可视化中利用深度学习模型，通过构建智能代理模型，实现数值模拟结果的可视化预测与关键参数实时可视反演。

个人简介：单桂华，研究员，博士生导师，中国科学院计算机网络信息中心，先进交互式技术与应用发展部主任。研究方向可视化与可视分析、智能交互。近五年主持包括国家重点研发计划课题、重点基础研究项目课题、国家重大科技基础设施项目、中科院院长基金等，在国内外重要学术刊物等发表论文六十余篇，授权国家发明专利20余项，曾获指挥与控制学会科技进步一等奖。主持研发GPVis可视化框架软件，支撑国家/地方重大工程建设，如国家重大科技基础设施-地球系统数值模拟装置、上海天文馆（全球最大天文馆）-天文数字实验室、中科院先导A地球大数据科学工程等。

李海生

北京工商大学教授

报告题目：基于物理信息神经网络的网格生成框架

报告摘要：网格生成是科学计算可视化中一个重要的组成部分。它主要指的是将计算区域进行离散化，生成一系列的网格单元，为数值模拟和后续的可视化提供基础。本报告介绍团队在基于物理信息神经网络的网格生成方面的工作，该工作以边界曲线作为输入，引入初始计算域网格，采用深度注意力网络捕捉计算域与物理域之间的潜在映射，并可以输出不同维度、不同尺度以及不同类型的网格。另外，介绍团队自主研发的一个面向CAD/CAE一体化集成的仿智融合元组件连接框架MCLink(Meta Component Link)。MCLink是面向工业软件尤其是CAE领域的插件式应用扩展平台，主要目的是为工业软件的科研人员提供一个高度灵活的渐进式软件能力整合生态构建工具，辅助用户迅速形成自主的应用程序。

个人简介：李海生，工学博士，教授，博士生导师。现任北京工商大学计算机与人工智能学院执行院长，商业数据安全防护与智能治理北京市重点实验室主任，中国图学学会第八届理事会常务理事，中国仿真学会人工智能仿真技术专业委员会副主任委员，中国计算机学会杰出会员，中国人工智能学会智能服务专业委员会副秘书长。获中国物流与采购联合会科技进步一等奖，中国图学学会优秀科技工作者奖。主持国家自然科学基金面上项目、国家重点研发计划课题、北京市自然科学基金面上项目等项目。出版学术专著三部，授权发明专利和软件著作权登记多项。以第一作者或通讯作者在《软件学报》《计算机学报》《计算机辅助设计与图形学学报》和TNNLS、TCE等IEEE汇刊发表论文100余篇。