近日，我院许晓绵研究团队在人工智能与图神经网络基础算法研究领域取得重要进展，相关成果正式发表于国际知名 SCI 期刊《Neurocomputing》，标志着我院在人工智能基础研究方向的学术影响力持续提升。

本次发表论文题为《CBERR: Community-based effective resistance graph rewiring》，提出了一种面向图神经网络拓扑缺陷的创新图重连算法CBERR。《Neurocomputing》为神经计算、人工智能领域国际权威期刊，当前为JCR Q1区、中科院计算机科学大类2区Top，影响因子达 6.5，学术认可度高。

图神经网络在处理社交网络、知识图谱、推荐系统等图结构数据时，常面临过平滑、过挤压、欠连接等拓扑缺陷，传统重连方法往往过度关注单一连接性，忽略社区结构复杂性，且计算开销大、可扩展性不足。针对上述瓶颈，研究团队提出基于社区结构的分治优化框架：一方面通过节点特征相似性进行跨社区连接调整，增强全局结构匹配度；另一方面通过最小化社区子图有效电阻，强化局部连接、缓解信息传播瓶颈。

理论分析与多组公开数据集实验表明，CBERR 算法可有效调节图谱间隙、缓解过挤压问题，在节点分类任务中性能优于当前主流重连算法，同时具有低计算成本、高扩展性、强稳定性等优势，为大规模图数据智能建模提供了新思路。

此次高水平论文发表，是计算机工程学院持续推进学科建设、深耕人工智能前沿研究的重要成果，也是学院强化基础研究、提升科研创新能力的集中体现。下一步，学院将继续围绕人工智能、大数据、网络安全等重点方向，加强科研团队建设，深化产学研融合，以高水平科研成果支撑高质量人才培养，为服务粤港澳大湾区数字经济发展贡献力量。