近日，第40届神经信息处理系统大会（NeurIPS 2026）公布论文录用结果，我院黄海辉博士与中医药广东省实验室（横琴实验室）、澳门科技大学、深圳大学合作完成的论文《Self-Supervised Reconstruction Knockoffs for Calibrated Unsupervised Feature Selection》被大会主会（Main Track）录用。我院黄海辉博士为第一作者及共同通讯作者，横琴实验室梁勇教授为共同通讯作者，康丁魁、周亚男为合作作者，此两位均为我院25届本科毕业生。

NeurIPS是机器学习与人工智能领域最具影响力的国际学术会议之一，与ICML、ICLR并称机器学习全球“三大顶会”，也是中国计算机学会（CCF）推荐的A类国际学术会议。本届大会将于2026年12月在澳大利亚悉尼（主会场）以及美国亚特兰大、法国巴黎举行。

图1　论文标题与作者信息

从成千上万个基因、像素或传感器信号中挑出少数关键特征，是无标签高维数据分析的重要起点。然而，现有无监督特征选择方法大多只给出“绝对分数”排名，缺少逐特征的统计参照，难以判断被选特征是否真正优于与之匹配的对照。为此，团队提出自监督重构仿冒框架SSRK：为每个特征构造一个统计性质相匹配的“替身”（仿冒特征，knockoff），让重构网络在无法分辨原件与替身的条件下完成掩码重构，再由门控参数给出带符号的特征统计量，只有稳定胜过替身的特征才会被选中（图2）。论文还证明，在固定目标与精确仿冒参照等条件下，该方法可以严格控制错误发现率（FDR）。

图2　SSRK方法框架示意图（图片来源：论文图1）

实验表明，在精确高斯模拟数据上，SSRK的平均错误发现比例在统计误差范围内均不超过预设水平；在q=0.10时，检验功效随信号增强从0.167提升至1.000。在单细胞转录组、手写数字图像、服装图像和手机传感器信号四个真实数据集上，与5种代表性方法的70组配对比较中，SSRK在52组中显著占优，14组无显著差异，4组显著落后。

本次论文录用是我院在人工智能与大数据方向研究工作的阶段性进展，也是我院与粤港澳大湾区高水平科研平台开展协同创新取得的一项重要成果。

该研究得到国家自然科学基金（62102261）、中医药广东省实验室项目（HQL2025SU008）、广东省重点建设学科科研能力提升项目（2022ZDJS049）和广东省自然科学基金（2026A1515010592）的资助。