实验室招生说明：
理论研究：工业互联网（Industrial Internet of Things, IIOT），计算智能 （Computation Intelligence, CI），大模型（Large Language Models，LLMs），计算机视觉（Computer Vision，CV）及具身智能（Embodied AI）。主持和参与国家级、省部级项目20余项，包括：国家重点研发计划，国家863计划、国家自然基金面上、青年项目和省部级重大项目等。发表高水平论文100余篇（其中CCF A类 58 篇，中科院1区 60 篇），包括 国际顶级期刊 IEEE TON, IEEE TMC, IEEE TC, IEEE TEVC, IEEE TNNLS, IEEE TCYB等，和顶级会议 ICML、CVPR、NeurIPS、IJCAI、AAAI、ACM MM等。
工程应用：工业互联网边缘智能系统与应用开发，开发的高端装备智能运维系统已应用于高端智能制造产业；面向工程应用的AI模型加速技术及NAS平台已应用于智慧矿山等领域；面向垂直领域的视觉大模型的训练、优化和开发，开发出面向工业机械臂的具身智能系统，部分成果已应用于工业制造、医疗、矿山等领域。
人才培养： 曾获辽宁省科技进步奖二等奖（排名1）、天津市自然科学奖二等奖（排名2）、中国自动化学会自然科学二等奖（排名2）、中国仿真学会自然科学奖二等奖、中国仿真学会教学成果奖、辽宁省教学成果一等奖共6项。指导国际大学生数学建模竞赛（MCM），获特等奖提名1项（前1%），一等奖3项；指导睿抗机器人开发者大赛，获一等奖3项。指导博士、硕士研究生50余名，毕业后入职清华大学、山西大学、百度、腾讯、华为、银行等国内高校及互联网大厂从事教学科研与技术研发工作。
学生情况：本人在软件学院招收硕士、博士研究生（包括工学博士、工程博士），聚焦工业互联网、计算智能、大模型、计算机视觉及具身智能等前沿人工智能方向，研一起为每位学生在浑南校区提供固定工位与办公主机及课题所需科研设备（A100、4090 GPU服务器），每周会跟踪指导课题，且形成博士-硕士-本科协助指导模式，经费充足，诚邀优秀学子加入。
实验室研究方向：
方向一：神经架构搜索与计算智能 (高效神经架构搜索，神经网络压缩、数据驱动多目标优化，群体智能等)
研究成果：开展了大规模（高维）多目标优化（局部变量自适应分析、参考向量自适应学习、偏好学习等）、神经架构搜索（Pareto分类器、域泛化预测器、多模态NAS、模糊NAS等）、神经网络量化（样本相似度分析、损失感知量化等）及其在视觉分析、多模态融合、三维点云缺陷检测中的应用研究，成果发表于IEEE TC (2023/2024, CCF A类)， IEEE TEVC (2022/2023), IEEE TCYB (2021/2022); 提出了基于梯度回溯的神经网络量化模型以及基于Shaply的混合精度量化方法，成果发表于AAAI-2024 (CCF A类); 设计了面向复杂工业优化场景的进化优化算法及多目标优化算法，能够高效处理带有强约束的工业生产调度问题，成果发表于IEEE TSMC-S (2016/2019/2020/2023), IEEE TETCI(2020/2021/2021).
研究小组：7人（1名教师+3博士生+3硕士生）
方向二：工业互联网与边缘计算（工业网络任务调度、云边协同、联邦学习优化、边缘任务卸载、边缘视频流分析）
研究成果：开展了云边协同的任务编排与资源分配策略、云边端协同的大模型任务卸载方法、云边协同的大小模型协同机制等，成果发表于 IEEE TON (2025,2026, CCF A类) IEEE TMC (2021,2023,2025，CCF A类)、IEEE TSC (2024，2026，CCF A类); 针对网络流量分析、视频直播、网络入侵检测等任务，应用神经架构搜索、知识蒸馏等方法，构建异构模型生成系统，提出异构网络设备的AI模型自动化、网内智能RE模型自动化、弱网环境视频直播优化等方案，自动生成可部署的神经网络模型。成果发表于NeurIPS 2023/2025 (CCF A), ACM MM2023 (CCF A), IEEE TC (2023, CCF A)等；研究了社交网络的结构检测、影响最大化以及动态演化机制，成果发表于 IEEE TETCI (2021), IEEE TSC (2024)。
研究小组：7人（1名教师+3博士生+3硕士生）
方向三：具身智能（具身智能大小脑系统、面向机械臂的工业具身智能控制系统）
研究成果：开展了面向工业机械臂的工业具身智能系统研发，已形成原型系统，可应用于物流、装配、生产等工业场景；研究具身智能VLA、机器人控制系统，开发大模型智能体协同系统，可落地应用于先进制造、智慧矿山、数字医疗等领域。成果发表/录用于 IEEE TNNLS (2025), IEEE TETCI (2026), TAI 2023， IEEE TMC（2026）。
研究小组：7人（1名教师+2博士生+4硕士生）
方向四： 大模型训练与NAS开放平台 （NAS性能测试开源平台，预训练大模型增强微调、提示词与思维链自动构建、智能体协同，AI模型可信安全）
研究成果：设计开源的NAS集成开发及性能测试平台系统，集成当前主流NAS方法，为从事NAS相关研究的学者与学生提供综合性能测试比较平台；研究预训练大模型工业知识增强微调、提示词与思维链自动构建等相关技术，将大模型应用于医疗服务、智慧矿业等领域；针对AI安全与可信问题，研究AI模型的可信性测量方法。
研究小组：3人（1博士生+2硕士生）
方向五： 视觉检测与自然语言处理（3D视觉异常检测、3D异常生成，多模态学习、知识表示，知识图谱）
研究成果：成果：本工作以计算机视觉与自然语言处理为两大基座技术，聚焦二者在智能工业应用中的深度融合。通过构建“视觉—语言”协同的智能认知系统，实现工业任务的智能化执行。成果发表在EEE TIP期刊 (CCF A类)及AAAI2025、CVPR2026、ACM MM2026等CCF A类顶级会议上。
研究小组：3人（1博士生+2硕士生）