神经网络中的稀疏性和结构。我们有兴趣了解拓扑在基本层面上的人工神经网络中的作用。为此,我们研究了强烈的彩票假设[NFG+24],[DCDN23],[DCDG+23],[DNV22],该假设可以修剪随机神经网络以近似于大量的功能,而无需更改初始权重。我们还对神经组合优化感兴趣,在此我们研究图形神经网络来求解图形和组合问题,例如近似中心性测量或执行网络对齐。计算神经科学。我们有兴趣开发新工具来了解神经系统并探索神经现象背后的理论。至于开发新工具,我们一直在研究网络对齐算法[FCC+21]和网络统计模型[RDN24],并且我们目前正在研究基于GNN的一致性算法,以比较不同物种的连接。至于理论方面,我们对各种基本问题感兴趣,包括(不限于 - 大脑连通性结构的演变模型)。