5月21日下午，西湖大学佘轶原教授和上海交通大学牟荣吉博士应邀作题为“Range Penalization: Theoretical Insights with Applications in Federated Learning”和“A Bayesian latent-subgroup platform desian for dose optimization”的报告，学术报告在上川路校区一教218会议室举行。本次活动由统计与数学学院副院长郝瑞丽主持。　

　　佘轶原于2008年获得斯坦福大学统计学博士学位，早年在北京大学获得学士与硕士学位。此后，他在佛罗里达州立大学统计系任教。曾获美国国家科学基金会职业生涯奖（NSF CAREER Award），并当选为美国统计学会（ASA）会士、数理统计学会（IMS）会士，以及国际统计学会（ISI）当选会员。2025年起，他加入西湖大学理论科学研究院。

　　佘教授在报告中介绍了通过极差正则化方法识别跨客户端共享权重特征并自适应实现个性化特征权重的极值聚类，在降低联邦学习中通信与计算成本的同时保障模型性能，理论分析与实验验证了该方法的统计精度保障和高效优化能力。 

　　牟荣吉博士2017年毕业于华东师范大学，主要研究方向为贝叶斯适应性设计以及生物统计。近年来在国际知名期刊发表论文20余篇包括Biometrics, Journal of the Royal Statistical Society: Series C, Statistics in Medicine等统计学知名期刊以及Cancer Cell，Cancer Communications等医学顶刊。主持国家自然科学基金青年项目，博士后面上项目，上海交通大学“交大之星”计划医工交叉研究基金以及横向项目等。

牟荣吉博士介绍了基于主协议的平台试验设计，利用贝叶斯潜在亚组模型处理多适应症异质性，通过分层模型实现组间信息借用，结合剂量毒性-疗效效用评估实现动态剂量调整，最终为不同联合治疗方案和适应症确定最佳生物剂量，仿真验证该设计能显著缩短药物开发周期、降低基础设施重复成本并加速监管审批。　　

　　本次活动结束之际，学院参会教师与报告人围绕报告内容进行了深入交流与讨论，不仅拓宽了学术视野，也为今后的合作交流提供了契机。

（文字: 刘文臣  图片: 赵婷婷）