研究方向

聚焦于人工智能基础理论与智能计算系统的发展，涵盖量子智能、几何智能、科学智能、多模态智能计算以及复杂工程系统智能化等领域。围绕智能感知、三维计算、工业智能软件、数字孪生和复杂系统建模评估等方向，开展人工智能方法研究及工程应用实践。研究进一步融合数学、物理与计算科学理论，探索量子神经网络、李群/李代数驱动智能建模、几何深度学习、生物信息计算和智能结构设计等交叉领域，构建面向未来智能计算的理论方法与应用框架。

核心技术领域

1. 智能计算与高性能人工智能系统（Intelligent Computing and High-Performance AI Systems）

围绕大规模智能计算基础设施开展研究，涵盖云原生计算、分布式数据处理、AI 高性能计算与智能模型优化。

研究面向大规模数据分析与复杂任务处理的计算架构，探索模型轻量化、并行加速、边云协同部署以及高效智能计算方法。结合经典机器学习与深度学习算法，构建面向工业、工程和科学计算场景的智能分析系统。

2. 多模态感知与智能视觉计算（Multimodal Perception and Intelligent Vision Computing）

面向复杂环境下的智能感知需求，研究深度学习驱动的视觉计算方法、多模态信息融合与智能感知系统。

重点包括视觉表征学习、跨域视觉适配、三维视觉理解、视觉安全与隐私保护计算，以及结合强化学习、迁移学习、联邦学习等方法构建鲁棒、高效的智能视觉模型。

面向机器人、工业检测、智能制造和复杂工程系统，开展视觉分析、三维重建与智能决策技术研究。

3. 图智能、几何计算与结构化数据分析（Graph Intelligence, Geometric Computing and Structured Data Analytics）

研究图数据计算模型、图神经网络（Graph Neural Networks）以及复杂结构数据的智能分析方法。

结合微分几何、拓扑分析和流形学习理论，开展黎曼流形建模、几何结构表示、拓扑特征提取和复杂数据空间分析研究。

面向三维建模、智能感知、科学计算和工程系统分析，探索从数据结构到几何规律的智能计算方法。

4. 量子智能与新型计算范式（Quantum Intelligence and Emerging Computing Paradigms）

面向未来智能计算的发展需求，研究量子神经网络、参数化量子电路优化以及量子-经典混合智能计算方法。

探索量子计算与人工智能融合的新型计算模式，结合李群/李代数理论、几何结构分析和机器学习方法，研究量子模型表达能力、训练机制、结构优化与高效部署技术。

5. 科学智能与复杂系统智能建模（Scientific Intelligence and Complex System Modeling）

面向生命科学、物理科学和工程复杂系统，研究知识驱动与数据驱动融合的智能建模方法。

结合数学结构、物理规律和人工智能技术，开展科学智能（AI for Science）、几何生物信息学、复杂动力系统分析以及工程系统智能优化研究，探索可解释、可靠和可验证的新型智能计算框架。

6. 智能工程软件与数字化系统（Intelligent Engineering Software and Digital Systems）

面向大型工程系统数字化与智能化需求，开展工业智能软件、三维数字建模、虚实融合系统和智能运维技术研究。

研发面向船舶制造、装备评估、工业安全演练等领域的软件系统，探索人工智能、三维可视化、数字孪生和工程仿真的深度融合方法。

1. 智能计算与高性能人工智能系统（Intelligent Computing and High-Performance AI Systems）

围绕大规模智能计算基础设施开展研究，涵盖云原生计算、分布式数据处理、AI 高性能计算与智能模型优化。

研究面向大规模数据分析与复杂任务处理的计算架构，探索模型轻量化、并行加速、边云协同部署以及高效智能计算方法。结合经典机器学习与深度学习算法，构建面向工业、工程和科学计算场景的智能分析系统。

2. 多模态感知与智能视觉计算（Multimodal Perception and Intelligent Vision Computing）

面向复杂环境下的智能感知需求，研究深度学习驱动的视觉计算方法、多模态信息融合与智能感知系统。

重点包括视觉表征学习、跨域视觉适配、三维视觉理解、视觉安全与隐私保护计算，以及结合强化学习、迁移学习、联邦学习等方法构建鲁棒、高效的智能视觉模型。

面向机器人、工业检测、智能制造和复杂工程系统，开展视觉分析、三维重建与智能决策技术研究。

3. 图智能、几何计算与结构化数据分析（Graph Intelligence, Geometric Computing and Structured Data Analytics）

研究图数据计算模型、图神经网络（Graph Neural Networks）以及复杂结构数据的智能分析方法。

结合微分几何、拓扑分析和流形学习理论，开展黎曼流形建模、几何结构表示、拓扑特征提取和复杂数据空间分析研究。

面向三维建模、智能感知、科学计算和工程系统分析，探索从数据结构到几何规律的智能计算方法。

4. 量子智能与新型计算范式（Quantum Intelligence and Emerging Computing Paradigms）

面向未来智能计算的发展需求，研究量子神经网络、参数化量子电路优化以及量子-经典混合智能计算方法。

探索量子计算与人工智能融合的新型计算模式，结合李群/李代数理论、几何结构分析和机器学习方法，研究量子模型表达能力、训练机制、结构优化与高效部署技术。

5. 科学智能与复杂系统智能建模（Scientific Intelligence and Complex System Modeling）

面向生命科学、物理科学和工程复杂系统，研究知识驱动与数据驱动融合的智能建模方法。

结合数学结构、物理规律和人工智能技术，开展科学智能（AI for Science）、几何生物信息学、复杂动力系统分析以及工程系统智能优化研究，探索可解释、可靠和可验证的新型智能计算框架。

6. 智能工程软件与数字化系统（Intelligent Engineering Software and Digital Systems）

面向大型工程系统数字化与智能化需求，开展工业智能软件、三维数字建模、虚实融合系统和智能运维技术研究。

研发面向船舶制造、装备评估、工业安全演练等领域的软件系统，探索人工智能、三维可视化、数字孪生和工程仿真的深度融合方法。

Core Technical Areas

1. Intelligent Computing and High-Performance AI Systems

Research on large-scale intelligent computing infrastructures, including cloud-native computing, distributed data processing, AI high-performance computing, and intelligent model optimization.

Focus on computational architectures for large-scale data analytics and complex intelligent tasks, including model lightweighting, parallel acceleration, edge-cloud collaborative deployment, and efficient AI computing methods. By integrating classical machine learning and deep learning algorithms, develop intelligent analysis systems for industrial, engineering, and scientific applications.

2. Multimodal Perception and Intelligent Vision Computing

Research on deep learning-driven visual computing, multimodal information fusion, and intelligent perception systems for complex environments.

Key topics include visual representation learning, cross-domain visual adaptation, three-dimensional vision understanding, privacy-preserving visual computing, and robust intelligent vision models enhanced by reinforcement learning, transfer learning, and federated learning.

Applications include intelligent inspection, robotics, smart manufacturing, and complex engineering systems, with a focus on visual analysis, 3D reconstruction, and intelligent decision-making.

3. Graph Intelligence, Geometric Computing, and Structured Data Analytics

Research on graph computing models, graph neural networks (GNNs), and intelligent analysis methods for structured data.

By integrating differential geometry, topology analysis, and manifold learning theories, investigate Riemannian manifold modeling, geometric representation learning, topological feature extraction, and complex data space analysis.

Develop geometric computing approaches for applications in three-dimensional modeling, intelligent perception, scientific computing, and engineering system analysis.

4. Quantum Intelligence and Emerging Computing Paradigms

Research on quantum neural networks, parameterized quantum circuit optimization, and quantum-classical hybrid intelligent computing frameworks.

Explore emerging paradigms combining quantum computing and artificial intelligence. By integrating Lie group/Lie algebra theory, geometric structure analysis, and machine learning methods, investigate quantum model expressiveness, training mechanisms, structural optimization, and efficient deployment strategies.

5. Scientific Intelligence and Complex System Modeling

Research on knowledge-driven and data-driven intelligent modeling methods for life sciences, physical sciences, and complex engineering systems.

Integrate mathematical structures, physical principles, and artificial intelligence techniques to develop scientific intelligence approaches, including AI for Science, geometric bioinformatics, complex dynamical system analysis, and intelligent optimization of engineering systems.

Explore interpretable, reliable, and verifiable intelligent computing frameworks for scientific discovery and complex system understanding.

6. Intelligent Engineering Software and Digital Systems

Research on digital transformation and intelligent technologies for large-scale engineering systems, including industrial intelligent software, 3D digital modeling, cyber-physical systems, and intelligent operation and maintenance.

Develop engineering software systems for applications such as shipbuilding, equipment evaluation, and industrial safety simulation. Explore the integration of artificial intelligence, three-dimensional visualization, digital twins, and engineering simulation technologies.