一、会议地点：上海国宾馆丽笙精选（丽璟厅）

二、会议时间：2026年8月30日 9:00

三、会议主题：2026年中比信息物理系统前沿研讨

四、主讲人：拉斐尔・容格斯（Raphaël Jungers）

五、主讲人介绍：

拉斐尔・容格斯（Raphaël Jungers）现任比利时鲁汶大学（UCLouvain）教授。主要研究方向为计算机科学、人工智能与控制理论。他于2008年在鲁汶大学获得数学工程博士学位；先后于2004年在巴黎中央理工学院、2005年在鲁汶大学取得应用数学硕士学位。他曾多次担任访问学者：布鲁塞尔自由大学（2008–2009年）、麻省理工学院信息与决策系统实验室（2009–2010年）、拉奎拉大学（2011、2013、2016年）、加州大学洛杉矶分校（2016–2017年）以及牛津大学（2022–2023年）。2026–2027年，他担任IEEE控制系统学会（IEEE CSS）副主席，主管会议事务。他是比利时国家科学研究基金会（FNRS）、比利时美国教育基金会（BAEF）以及富布赖特学者。曾任 IEEE CDC 会议特约编委、IEEE 控制系统学会会议编委会副编辑；同时担任多家期刊副编辑：《非线性分析：混合系统》（NAHS，2015–2016）、《系统与控制快报》（Systems and Control Letters，2016–2017）、《IEEE 自动控制汇刊》（IEEE TAC，2015–2020）、《Automatica》（2020–2025）。目前担任《非线性分析：混合系统》（NAHS）副主编。他曾获2009年比利时IBM奖，入围2011年欧洲信息与数学研究联盟（ERCIM）科尔・巴亚恩奖最终候选人。联合获得2013–2014年SICON最佳论文奖、2020年混合系统计算与控制会议（HSCC）最佳论文奖、2020–2022年NAHS最佳论文奖，并获2019年欧洲研究委员会（ERC）项目资助。他是2025年度IEEE会士（IEEE Fellow）。

六、讲座内容：

在不确定性环境下做出具备风险意识的决策，是工程应用中的核心难题。传统上，该问题依靠基于模型的方法求解：借助蒙特卡洛模拟、李雅普诺夫分析等工具，依托预设模型对各类决策进行评估。然而，现代系统复杂度不断提升（例如混合随机自动机），加之海量数据涌现、不确定性的分布往往未知，这就要求研究方法减少对显式建模的依赖，更加直接地利用数据。基于场景的决策方法为此提供了一套极具吸引力的理论框架。该方法仅依靠不确定性的采样样本实现风险感知决策，无需构建显式系统模型。尽管概念直观简洁，这套理论体系蕴含丰富的数学结构，既拥有成熟深刻的理论结论，同时仍存在大量亟待解决的公开难题，并且在工程实践中表现出优异效果。本次报告中，我将介绍基于样本的决策理论数学基础，涵盖场景方法、共形预测以及概率近似正确（PAC）学习。随后介绍最新研究进展：仅依据算法本身与观测数据，就能对决策风险给出有限样本、无分布假设的理论保证。最后，我将提出一种全新研究范式，运用上述理论思想，解决安全关键型模型预测控制（MPC）中的探索-利用权衡问题。