宋增杰，数学与统计学院助理教授，主要研究方向为脑启发的智能计算及多模态学习理论与应用。2025年获西安交通大学第十一届“十大学术新人”称号。

探索智能机理，勇闯科研深水区

人工智能应用的迅猛发展对AI模型的效率、可解释性与稳健性提出了更高要求。宋增杰的研究方向——脑启发的智能计算，正是通过借鉴人脑高效的信息处理机制，为人工智能的发展提供新路径。

“脑启发的智能计算是指借鉴大脑的组织结构、功能机制和学习方式来设计和发展智能计算系统的一类研究方向。”宋增杰介绍道，“这为提高AI模型的计算效率与能效比、增强AI模型可解释性、推动更具泛化性和稳健性AI模型的发展提供了新视角。”然而，如何突破现有计算方法的瓶颈，让脑启发模型在具体应用中发挥优势，是极具挑战性的课题。

科研探索充满曲折。宋增杰将早期研究聚焦于预测编码（Predictive Coding, PC）这一仿生模型。面对原始PC可解释性强但推断表示效率低的问题，他与团队创造性地提出了基于回归过程的快速推断预测编码神经网络。这项研究并非一帆风顺，“有好几个月陷入了方法实现始终没有效果的困境，一度产生自我怀疑。”宋增杰回忆道。最终发现症结在于模型中一个变量的初始化方法有误。这次经历让他深刻体会到，“科研不能操之过急，前期对方法假设的严谨论证和后期对问题bug的及时复盘，都是不可缺少的环节。”功夫不负有心人，新模型在图像分类任务上实现了表示推断速度平均快65倍的显著提升，为PC在机器学习中的有效应用创造了条件。

近年来，宋增杰将视野拓展至多模态学习领域。他结合个人对音乐的兴趣和在博士后期间积累的音频数据处理经验，致力于发展像人脑一样有效解析多感官信息的智能方法。基于预测编码仿生模型，他和团队针对视听声源分离和声源定位两大基础任务，分别提出了视听预测编码和自监督的预测学习方法。这些创新模型在取得优异性能的同时，参数量缩减为同期最优模型的1/6，显著提升了计算效率。他意识到“利用交叉学科的知识和方法来解决当前一些科研问题具有极大潜力，换个角度思考往往能获得‘柳暗花明又一村’的效果。”

立足教学育人，践行师者初心

身份的转变——从学生到教师，带给宋增杰全新的挑战与感悟。宋增杰为大一本科生主讲“线性代数与解析几何”，同时为研究生开设新课“生成式人工智能”。面对本科生，他特别注重打牢基础，积极向经验丰富的前辈教师请教，逐渐理解了“讲课内容要有的放矢、知识复习要归纳对比”的教学思路，不断精进教学方法。

对于研究生的“生成式人工智能”课程，他结合研究生阶段的学习特点，认为“研究生的学习目标更侧重知识和方法在科研问题中的有效应用。”为此，他一方面收集、整理、介绍丰富的生成式AI案例供学生实践参考，另一方面鼓励学生将生成式模型用于求解自身研究领域的具体问题，帮助学生更好地掌握所学知识。他还创新采用“现身说法”方式，将自己的生成式模型研究成果融入教学内容，带给学生更真切的学习体验。

“作为一名教学新人，我希望自己能秉持终身学习的理念，谦虚求教身边同事，勤于探索和总结教学方法，并用爱与责任陪伴学生成长。”这是他坚守的教学信念。

解码智能奥秘，深耕交叉前沿

宋增杰的科研之路，源于对智能奥秘的浓厚兴趣和广泛的学科探索。在研究生阶段，导师张讲社教授给予他充分的学术自由，接触机器学习、信息论、计算机视觉、认知与计算神经科学等多个领域。博士后期间在中科院自动化所对乐器声源相关问题的研究，进一步奠定了他多学科交叉融合的研究特色。

他深知个人成就离不开多方助力。“回顾过去，自己取得的科研成果离不开诸多良师益友的热情帮助，以及学院系所的积极支持。”他特别感谢导师张讲社教授，“他总能给予我满满的支持与信任，他开阔的学术视野经常为我指明前进的方向”。他也特别感谢团队老师们的专业解惑，“我感到在一个蒸蒸日上的学院工作是自己的幸运，这也激励着我见贤思齐、不断突破。”

对于获评“十大学术新人”，宋增杰表示获此殊荣，倍感激励。他强调，对研究课题的兴趣和价值认可是自己持续向前的动力，而兴趣的发现或形成少不了对不同研究方向的广泛探索。在科研工作遇到瓶颈时，要给自己加油打气，只要大方向正确，在不懈的坚持与思考中就可能会峰回路转。面对科研路上的不顺心，要及时地切换状态，听音乐、看电影、吃美食、常运动、去旅行，用适合自己的方式治愈自己，大脑在最放松的状态下往往最具想象力。

“凡是过往，皆为序章。”作为一名扎根西部的青年学者，他期待在西安交大这片创新的沃土上，持续探索智能的思维边界，践行教书育人的使命。他坚信，保持对科学问题的敏锐洞察及探索，终将在解码智能奥秘的征途上，留下属于交大青年学者的坚实足迹。