<div dir="ltr"><div style="font-size:11pt;color:rgb(0,0,0)">Special Session "Network Science Meets AI" @ </div><div style="font-size:11pt;color:rgb(0,0,0)">ESANN 2025 - European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning</div><div style="font-size:11pt;color:rgb(0,0,0)">23-25 April 2025</div><div style="font-size:11pt;color:rgb(0,0,0)">Bruges (Belgium) and Online</div><div style="font-size:11pt;color:rgb(0,0,0)"><br></div><div style="font-size:11pt;color:rgb(0,0,0)"><br></div><div style="font-size:11pt;color:rgb(0,0,0)">This session will be part of ESANN 2025, held in Bruges, Belgium and online from April 23-25, 2025. It aims to explore the promising intersection between Network Science and Artificial Intelligence, delving into areas like representation learning for hypergraphs, deep learning models for higher-order interactions, and optimizing GNN architectures using network science principles. We are looking for contributions that demonstrate how AI can advance the understanding of complex networks and how insights from network science can support the development of AI methods.</div><div style="font-size:11pt;color:rgb(0,0,0)"><br></div><div style="font-size:11pt;color:rgb(0,0,0)">Relevant topics include, but are not limited to:</div><div style="font-size:11pt;color:rgb(0,0,0)"><br></div><div style="font-size:11pt;color:rgb(0,0,0)">- Optimizing GNN architectures using Network Science principles</div><div style="font-size:11pt;color:rgb(0,0,0)">- Novel message passing schemes inspired by complex network dynamics</div><div style="font-size:11pt;color:rgb(0,0,0)">- Topology-aware neural network design</div><div style="font-size:11pt;color:rgb(0,0,0)">- Representation learning for hypergraphs and simplicial complexes</div><div style="font-size:11pt;color:rgb(0,0,0)">- Deep learning models for higher-order interactions</div><div style="font-size:11pt;color:rgb(0,0,0)">- AI-driven prediction of network evolution</div><div style="font-size:11pt;color:rgb(0,0,0)">- Deep learning approaches for temporal network embedding</div><div style="font-size:11pt;color:rgb(0,0,0)">- Neural ODEs for network dynamics</div><div style="font-size:11pt;color:rgb(0,0,0)">- Explainable graph machine learning algorithms</div><div style="font-size:11pt;color:rgb(0,0,0)">- Explainability techniques for graph machine learning</div><div style="font-size:11pt;color:rgb(0,0,0)">- Network Generation and Synthesis</div><div style="font-size:11pt;color:rgb(0,0,0)">- Topological analysis of deep neural networks</div><div style="font-size:11pt;color:rgb(0,0,0)">- Transfer of network science objectives to deep learning (e.g. community detection, influence maximization, epidemic modeling)</div><div style="font-size:11pt;color:rgb(0,0,0)">- Theoretical foundations of graph machine learning methods</div><div style="font-size:11pt;color:rgb(0,0,0)">- Causal discovery in complex networks</div><div style="font-size:11pt;color:rgb(0,0,0)">- Topology-aware optimization algorithms</div><div style="font-size:11pt;color:rgb(0,0,0)"><br></div><div style="font-size:11pt;color:rgb(0,0,0)">Instructions for authors: Papers must not exceed <b>6 pages</b>, including figures and references. Papers submitted to the special session must be identified on the paper submission form. The review process is single-blind. LaTeX and Word style files are available. They must be used for generating the PDF file (see below). However, the use of LaTeX is strongly encouraged, and the use of Word is discouraged as the latter usually generates many difficulties when the final proceedings are generated. More details on the template can be found here (<a href="https://www.esann.org/author_guidelines" target="_blank">https://www.esann.org/author_guidelines</a>)</div><div style="font-size:11pt;color:rgb(0,0,0)"><br></div><div style="font-size:11pt;color:rgb(0,0,0)">The deadline for paper submissions is <b>November 20, 2024</b>. I would be thrilled if you could submit your work or share this call with colleagues who might be interested.</div><div style="font-size:11pt;color:rgb(0,0,0)"><br></div><div style="font-size:11pt;color:rgb(0,0,0)">Best regards,</div><div style="font-size:11pt;color:rgb(0,0,0)"><br></div><div style="font-size:11pt;color:rgb(0,0,0)">The Organizing Committee of the Special Session "Network Science Meets AI":</div><div style="font-size:11pt;color:rgb(0,0,0)"><br></div><div style="font-size:11pt;color:rgb(0,0,0)">- Matteo <span class="gmail-il">Zignani</span>, University of Milan</div><div style="font-size:11pt;color:rgb(0,0,0)">- Fragkiskos D. Malliaros, Université Paris-Saclay</div><div style="font-size:11pt;color:rgb(0,0,0)">- Ingo Scholtes, Julius-Maximilians-Universität Würzburg</div><div style="font-size:11pt;color:rgb(0,0,0)">- Roberto Interdonato, CIRAD, UMR Tetis, Montpellier</div><div style="font-size:11pt;color:rgb(0,0,0)">- Manuel Dileo, University of Milan</div></div>