刘军院士主讲2026年国际暑期学校全球大师系列讲座

2026年7月9日下午，统计学院举办中国人民大学2026年国际暑期学校全球大师系列讲座。美国国家科学院院士、清华大学兴华卓越讲席教授刘军应邀在明德主楼1030作题为“Monte Carlo Sampling and Optimization in AI and Statistics（蒙特卡洛抽样与优化在人工智能和统计学中的应用）”的学术讲座。统计学院师生参加讲座，讲座由统计学院副院长黄辉主持。

刘军院士梳理了蒙特卡洛方法七十余年完整发展脉络，围绕蒙特卡洛方法、马尔可夫链蒙特卡洛方法、变分近似、序贯蒙特卡洛方法及扩散模型等内容，系统阐释了统计推断、随机抽样与优化方法之间的内在联系，并介绍了相关理论在人工智能和复杂系统模拟中的前沿应用。

刘军院士首先从重要性抽样出发，系统讲解如何通过测度变换和样本加权估计目标分布下的期望，并介绍了Metropolis-Hastings算法及模拟退火方法，阐释了温度参数在全局探索与局部优化之间的调节作用，以及相关方法在组合优化、路径规划和芯片设计等问题中的应用。

刘军院士围绕统计推断与优化的关系，结合最大似然估计、贝叶斯估计和隐变量模型，分析了积分与优化在复杂模型求解中的重要作用，并详细介绍了MCMC、EM算法和变分近似的基本思想。他指出，变分近似能够将复杂积分转化为相对易于求解的优化问题，在人工智能模型训练中具有重要价值。

随后，刘军院士重点讲解了序贯蒙特卡洛方法中的预测、权重评估和重采样机制，并细致说明了扩散模型的基本原理。他表示，将序贯蒙特卡洛方法与扩散模型相结合，有助于提升条件生成结果的准确性、稳定性和可控性。

交流环节，与会师生围绕生成式人工智能与传统统计方法的关系、人工智能在社会与科学领域中的应用，以及生成模型的可靠性与可解释性等问题，与刘军院士进行深入交流。刘军院士指出，在关注生成式人工智能应用潜力的同时，也应重视模型的不确定性与其黑箱特征，并进一步加强相关统计理论研究。

此次讲座内容丰富、视野开阔，加深了我院师生对蒙特卡洛抽样、统计推断与优化方法的理解，为开展统计学与人工智能交叉研究提供了崭新的前沿思路。学院将持续搭建高水平学术交流平台，推动学科交叉融合，不断推进学院学科高质量发展。