白璐博士发表在ICML与IJCAI的论文分别为"An Aligned Subtree Kernel for Weighted Graphs"与"A Graph Kernel based on the Jensen-Shannon Representation Alignment"，是白璐博士与其在英国约克大学(University of York, UK)期间的博士导师Edwin R. Hancock教授、英国伯明翰大学(University of Birmingham, UK)的Luca Rossi博士、英国诺丁汉大学(University of Nottingham, UK)的王超彦博士等人合作发表的。两篇文章提出的图核函数(graph kernels)均是基于白璐博士在2014年期刊Pattern Recognition（中科院JCR二区国际顶级期刊）上提出的深度模型(depth-based representations，一种基于深度热力学模型改良的快速网络复杂度计算算法)而设计的全新图核函数。这些方法有效解决了目前主流卷积(R-convolution一种标准发展图核函数的算法)图核函数（例如：Shervashidz等人提出的fast subtree kernel、Wachman等人提出的rooted hypergraph kernel、以及Borgwardt等人提出的shortest path kernel等）无法定位子结构间对应关系的缺陷。此外，这些方法深度结合了连续量子漫步(continuous-time quantum walks)、深度信息与节点标签增强算法(vertex label strengthening method)的理论与优点，代表了卷积图核函数的未来发展方向。