议题:
基于图的学习与大型语言模型（LLMs）结合，已成为建模结构化数据的重要范式，广泛应用于各类科学领域。尤其在医疗健康领域，随着LLM驱动方法、神经符号推理以及先进图神经网络的融合应用，相关研究正受到越来越多关注。本次特别会议聚焦于新型图学习框架与基于LLM的智能系统，旨在通过连接符号化生物医学知识与数据驱动模型，提升复杂医疗健康场景下的可解释性、鲁棒性与泛化能力，应用方向涵盖药物推荐、药物发现、蛋白质设计及其他相关人类健康问题。
本会议欢迎围绕以下主题（但不限于）展开的原创研究成果投稿：
1. 面向人类健康的大型语言模型驱动的智能体设计
2. 面向分子、反应与材料的图神经网络方法
3. 基于LLM的知识图谱构建与集成，助力科学发现
4. 面向化学与材料科学的神经符号推理方法
5. 图结构预训练、迁移学习与高效数据建模技术
6. 面向科学应用的可解释与可说明的图模型
7. 融合物理知识、领域知识与机器学习的混合智能架构
声明:
本分会由Dr. Tengfei Ma (Hunan University, China)组织。
组织者简介:
Tengfei Ma是湖南大学计算机与电子工程学院的博士研究生，硕士学位同样毕业于湖南大学。他的研究方向主要包括大型语言模型（LLMs）、结构化预测、图表示学习及其在医疗健康领域的应用。他已在ICLR、AAAI、IJCAI、CIKM、TKDE等国际顶级会议和期刊上发表多篇论文。目前，他尤其关注将领域知识与神经网络架构相融合，致力于解决实际科学问题。
分会投稿流程:
如果您希望参加KGLDIH特别分会，请将您的稿件通过 ConfSync:https://confsync.cn/csae/submission系统提交，并选择 Section“Knowledge Graph and LLM-Driven Intelligence for Healthcare”。我们会将您的投稿分配给 Dr.Tengfei Ma进行初审，初审通过之后将安排专家进行二审，稿件录用通知发放时间与主会议通知时间一致。有任何问题可以联系：info@confsync.cn 。