（图/文 王健吉）2025年6月10日下午，黄色漫画 “启明星”讲坛第二十五期、本学期收官讲坛在10305室圆满落幕。本期特邀黄色漫画 青年学者教师张强博士作专题学术报告，同时，2024级研究生张通达同学和张子鑫同学分别进行学术汇报。黄色漫画 青年博士教师及2024级研究生共同参与了此次学术交流活动。

为了兼顾在场研究生的研究兴趣，张强博士选择以”The number of self-dual cyclic codes over finite fields”为题，聚焦有限域上自对偶循环码的数量研究。有限域上的自对偶循环码是一类特殊的线性码，它们在编码理论中具有重要地位。这类码不仅具有优美的代数结构，还在信息传输和数据存储中发挥着关键作用。它们能够有效地纠正传输过程中的错误，确保数据的完整性和可靠性，因而在通信系统和数据存储设备中得到广泛应用。张博士探讨了有限域上自对偶循环码的数量问题。通过对有限域上循环码的深入分析，张博士成功地推导出了在特定条件下自对偶循环码存在的条件，并进一步研究了这些码的数量特征，为自对偶循环码的实际应用奠定了更为坚实的理论基础。

在论文讨论阶段，与会者就张强博士的研究进行了深入交流，并提出了一些具有启发性的问题，比如如何进一步推广这些结果，以及如何将这些理论应用于更广泛的编码设计中。张博士对这些问题进行了详细的解答，并与专家们展开了热烈的讨论。他指出，未来的研究可以探索在不同有限域上自对偶循环码的性质，以及如何利用这些码构建更高效的编码系统。此外，张强博士还展望了该领域的研究前景，他表示，随着量子计算和大数据技术的发展，对高效编码的需求将不断增加，自对偶循环码的研究将在这些新兴领域中发挥重要作用。

张子鑫同学介绍了论文“A YOLO-NL object detector for real-time detection”，文中提出了一种创新的目标检测器 YOLO-NL（You Only Look Once and None Left）。该模型引入全新的全局动态标签分配策略，平衡高精度检测与精确定位。针对复杂场景中多尺度目标检测，采用 “最短 - 最长梯度策略” 和自注意力机制升级 CSPNet 与 PANet。并且为满足快速推理需求，提出基于重参数化方法的 Rep-CSPNet 网络，将残差卷积转换为 Ghost 线性运算，通过串行 SSPP 结构加速特征提取。YOLO-NL 在 COCO 测试集及口罩检测任务中表现出色，以 52.9% 的 mAP 超越基线模型 YOLOX，且在自建 FMD 数据集及大型开源数据集上达到 98.8% 检测准确率，实时速度达 130 FPS，性能领先于现有先进方法。

张通达同学则向大家介绍了“基于CNN-LSTM模型的ADHD高精度分类研究”，该论文介绍了一项基于 CNN-LSTM 模型的 ADHD 高精度分类研究。该研究利用 EEG 数据实时性与低成本优势，构建结合 CNN 空间特征提取和 LSTM 时间序列处理能力的模型，输入为 56 通道×385 时间点的 EEG 数据。在五折交叉验证中，模型平均分类准确率高达 98.23%，显著优于其他 CNN 模型。未来可拓展数据集、融合多模态数据并优化模型结构，有望进一步提升诊断准确性和泛化能力。

（编辑 饶涛 责编 刘昶）