教育经历

2021年 - 2025年在墨尔本大学计算与信息系统专业学习，获哲学博士学位

2026年 - 至今，复旦大学人工智能创新与产业研究院，博士后

 研究方向

主要从事复杂场景下的时空数据建模、AI4Science等方面的研究：

（1）高噪音时空数据的鲁棒建模：聚焦于从高噪音、非平稳的复杂观测数据中提取稳定信号。通过构建内生不变性表示与外部环境信号解耦的统一框架，显著提升现有模型在非平稳、非周期性等挑战性场景下的泛化性能与鲁棒性，旨在建立通用的高噪音时空数据处理范式。

（2）区域化数据缺失的时空数据重建与融合：针对地理空间数据中普遍存在的局部观测缺失问题，研究如何有效融合静态辅助信息与动态异质外部信号。同时，探索将物理引导的神经网络等机理模型融入数据驱动框架，实现物理一致性与数据适应性的平衡，以完成对缺失区域的精准重建与预测。

 主要成果

近五年，在国际知名学术会议发表论文4篇，并在深度学习等领域获得授权专利2项。