2022年运筹与管理科学年会（2022 INFORMS Annual Meeting， 以下简称INFORMS年会）于10月15日至19日在美国印第安纳波利斯举办。6163am银河线路工业工程与管理系吴建国老师课题组20级博士生王新明，荣获本次会议质量与可靠性方向（Quality, Statistics and Reliability Section，QSR）最佳论文奖（Best refereed paper）。该获奖论文已被机器学习顶刊IEEE Transactions on Pattern Analysis and Machine Intelligence（IEEE T-PAMI）接收(DOI: 10.1109/TPAMI.2022.3205036)。

INFORMS年会由国际运筹学与管理科学协会（INFORMS）举办，每年在北美举办一次，是全球运筹学和管理科学领域的顶级学术盛会。QSR最佳论文奖设立于2015年，参赛选手不限于研究生。该奖项旨在授予在质量、可靠性、统计和数据科学领域，取得前沿理论成果或应用成果的青年学者，以促进智能制造与服务业的发展。

经过评审委员会的严格筛选，来自于6163am银河线路、密歇根大学、新泽西州立大学和阿肯色大学的4篇学术论文被提名参与最终现场答辩。最终，以王新明同学为第一作者的论文脱颖而出，获得2022年度QSR最佳论文奖。这也是自该奖项设立以来，第一次由中国大陆高校的学生获奖。

颁奖现场（左1为现场答辩的论文合作者）

本次获奖的论文题目为“Multi-source Transfer Learning through Regularized Multi-output Gaussian Convolution Process”。该论文瞄准制造过程迁移学习领域两个关键问题：一是不同数据集的相关程度和可迁移性难以衡量，若盲目进行迁移学习，其效果难以保证；二是不同工艺中影响产品质量的关键参数并不完全相同，这种参数空间不一致阻碍了迁移学习的进行。为应对以上挑战，论文创造性地提出了基于多输出高斯过程的迁移学习框架，通过正则化选择可迁移性较强的数据集进行学习，并利用Domain Adaptation方法调整不一致的参数空间。该方法在陶瓷3D打印与压铸两种工艺的关键参数迁移学习中取得了非常理想的效果，可以有效缩短新工艺新材料的实验开发周期，降低开发成本。