人工智能和机器学习
团队介绍
人工智能是现代信息技术的重要研究前沿和应用方向，为各个行业带来巨大的创新机会和商业价值，日益表现出不断增长的生命力和吸引力。人工智能与机器学习团队的主要研究方向为：
（1）应用机器学习方法来求解基于第一性原理而建立起来的数学物理方程，
（2）应用偏微分方程理论来深入理解和描述机器学习的过程与机制并加以改进，
（3）融合数据驱动的机器学习方法和偏微分方程的数值求解方法，来解决应用范围更为广大的数学问题。
（4）研发和应用新的数学方法，解决在自然科学、工程学、生物学、经济学、金融学和社会科学等交叉领域中产生的新问题。
（5）应用机器学习方法于复杂系统的建模与预测，解决复杂系统中的高维、不确定和非线性等难点并预测未来发展趋势。
（6）研究优化理论和算法，并开发应用于大规模非凸和非光滑机器学习模型的优化求解器。
（7）研究人工智能基础理论，包括知识表示、逻辑推理、认知逻辑、形式验证、μ-演算、博弈语义、统计推理和博弈树分析等主题。
（8）利用机器学习、自然语言处理、大型语言模型和多模态分析等方法，对各类文本、图像、音频和视频数据展开深度语义分析，并挖掘它们之间的语义联系。
（1）应用机器学习方法来求解基于第一性原理而建立起来的数学物理方程，
（2）应用偏微分方程理论来深入理解和描述机器学习的过程与机制并加以改进，
（3）融合数据驱动的机器学习方法和偏微分方程的数值求解方法，来解决应用范围更为广大的数学问题。
（4）研发和应用新的数学方法，解决在自然科学、工程学、生物学、经济学、金融学和社会科学等交叉领域中产生的新问题。
（5）应用机器学习方法于复杂系统的建模与预测，解决复杂系统中的高维、不确定和非线性等难点并预测未来发展趋势。
（6）研究优化理论和算法，并开发应用于大规模非凸和非光滑机器学习模型的优化求解器。
（7）研究人工智能基础理论，包括知识表示、逻辑推理、认知逻辑、形式验证、μ-演算、博弈语义、统计推理和博弈树分析等主题。
（8）利用机器学习、自然语言处理、大型语言模型和多模态分析等方法，对各类文本、图像、音频和视频数据展开深度语义分析，并挖掘它们之间的语义联系。
PI
团队助理
科研人员
博士后
访客
学生
