研究领域
PIML与PINN 多模态/多任务健康建模与评估 自监督学习/小样本学习 可解释维护决策建模
导师介绍
【资历/研究方向】
法国某高校博士，AI与PHM（故障预测与健康管理）方向，本硕毕业于国内某985高校，航空与结构动力学方向。
目前为法国某大学助理研究员及讲席教授预备，主要从事可解释神经网络、强化学习、时序数据处理、物理信息与自监督融合、动力学建模和设备健康建模与维护优化的研究。拥有旋转机械（轴承、转子）、复合材料、电池、加工刀具、机械臂等多个真实场景的数据和建模经验。
【工作/项目经历】
目前在法国国家ANR项目X-IMS 框架下开展于面向可部署维护决策的神经网络解释性研究。曾任清华长三角研究院诊断系统研发工程师，主导结构-传感一体化平台搭建与算法开发。拥有授权发明专利4项。
【科研论文/审稿人/刊物任职/学术成就】
发表SCI/EI会议论文十余篇，其中SCI一区6篇，核心一作兼通讯10篇。担任IJPHM、RESS、JSV、Journal of Manufacturing Systems、IEEE Transactions on Instrumentation and Measurement、Mechatronics、EAAI 等期刊审稿人，IFAC、SAGIP、MIMAR、PHM 欧洲会议等程序委员会成员。
在PHME及IFAC世界大会等国际会议上获得多次最佳论文奖，获得法国-美文化交流基金（FACE）项目资助赴美合作研究项目。获中国教育部“国家优秀自费留学生奖学金”奖项。
指导经验
指导多位博士与硕士，包括中法美高校学生，方向涵盖深度学习、PINN、电池剩余寿命预测、
结构健康指标构建、语言模型引导的多场景健康趋势判别等。
招生方向
（1）PIML与PINN（提供学科前沿的方法论与模型开发部署方法与指导）
（2）多模态/多任务健康建模与评估（特别适合有工程背景想转AI的同学）
（3）自监督学习/小样本学习（强调代码可运行、方法可复现）
（4）可解释维护决策建模（构造具有可物理解释性的维护趋势变化）