12 月 22 日上午，第 520 期同路人学术论坛之 “Homeomorphism Methods for Efficient Decision-Making with Hard Constraints” 讲座在通达馆 103 顺利举办。本次论坛邀请香港城市大学研究助理教授梁恩明担任主讲，由苏子诚老师发起邀请，吸引了相关领域的老师与同学参与。
讲座开场，梁恩明教授结合自身研究背景，介绍了其在机器学习、约束优化及可持续系统等领域的研究方向，让现场听众快速了解了本次分享的学术关联场景。
针对硬约束下决策优化的核心痛点 —— 传统方法常面临 “可行性保障” 与 “计算效率” 的权衡难题，梁恩明教授重点分享了两种同胚方法：其一为 Hom-PGD 算法，通过同胚映射将复杂决策空间转换为简单域，实现了无需昂贵预言机的凸集优化，在收敛速率最优的同时降低了迭代复杂度；其二为 Homomorphic Projection 方法，借助双李普希茨可逆神经网络，为约束优化问题提供了兼具可行性与计算效率的神经网络解决方案。
讲座尾声，梁恩明教授与现场同学展开了互动交流。针对 “同胚方法在非凸场景中的泛化性”“算法落地时的硬件资源需求” 等具体问题，他结合实验细节逐一解答，并给出了 “先从小规模场景验证方法、再逐步拓展至实际系统” 的实操建议，现场讨论氛围热烈。本次论坛为相关领域研究者提供了硬约束决策优化的新方法思路，助力大家在学术研究与工程应用中更高效地应用。