6月2日，数据科学学院举行数海领航大讲堂2026年第8期。本期邀请中国科学院王启华研究员为全院师生带来了一场题为“Penalized Empirical Likelihood over Decentralized Networks”的学术讲座。讲座由我院应用统计系罗季教授主持，学院部分教师与学生参加了此次讲座。

本次讲座聚焦去中心化分布式网络框架下的非参数统计推断问题，围绕经验似然方法在大规模数据分析中面临的计算挑战展开。主讲人从经验似然作为重要非参数推断工具的功能定位出发，系统阐释了在数据由不同节点本地存储与收集的分布式架构下，如何通过惩罚技术有效融合各节点计算得到的拉格朗日乘子。讲座指出，直接应用传统经验似然于海量数据将遭遇严峻的计算瓶颈，而所提出的分布式经验对数似然比统计量在正则条件下，即便机器数量趋于发散，仍能保持渐近标准卡方分布。此外，讲座进一步介绍了基于交替方向乘子法（ADMM）的两种求解算法，二者均具有简洁的节点级实现方案，并从理论上证明了算法的收敛性质，特别对第二种算法在某些网络结构下的线性收敛性给出了深入分析，为理解复杂优化问题与分布式统计推断的交叉融合提供了生动案例。

本次讲座让在场师生对去中心化网络上的惩罚经验似然推断方法及其分布式计算框架有了更加系统的认识，拓展了大家对非参数统计推断、分布式优化算法与高维数据分析等前沿方向的理解。讲座不仅呈现了现代统计学方法服务大规模分布式数据场景的理论路径与实践价值，也为学院师生进一步开展数据科学、机器学习与智能计算交叉研究拓宽了思路，对营造浓厚学术氛围、提升科研创新意识具有积极意义。