01
高维时空序列建模
复杂工业系统多源时序信号的深度表征学习与时空动态分析。
从工业一线到三尺讲台—— 做能在真实产线上跑起来的工业人工智能。
中山大学先进制造学院副教授、博士生导师，先进智造实验室（AI³）负责人。曾任信润富联数字科技 CTO、富士康工业互联网工业智能产品负责人、美国通用汽车研究科学家。
复杂工业系统多源时序信号的深度表征学习与时空动态分析。
时序-视觉-工业信号融合的垂域基础模型与具身闭环决策。
面向半导体、新能源、汽车及高端装备的多模态感知与工艺优化。
三个方向背后是 SAM Lab 的 30+ 在研项目——真实产线、真实数据。
去实验室网站看项目全景 ↗时变参数的在线贝叶斯 ARX 模型跟踪制程慢漂移，样本重要性检验筛选在线更新；在 PHM 2016 CMP 数据集上超越 JIT 与深度学习基线。
跨轨迹高斯过程回归利用多电池间的相关性，在不增加模型复杂度的前提下实现高效自适应的在线容量预测。
海上风电场维护调度与航线优化：将风资源预测下的发电损失纳入目标，GA 求解器输出维护计划、船舶航线与成本分解，经真实 4MW 风场数据验证。
让工程师留在回路中的故障检测：在特征级单变量分析上引入参数相关性、漂移剔除与限值自动设定，并以可视化支撑专家决策。
面向步态康复的信息物理系统：生理与设备数据在边缘端融合，量化康复进度、个性化训练策略、自动调整设备参数——迈向"虚拟医生"。
系统化的在线演化 PHM 方法论：自适应采样机制应对连续流数据与过程内变化。
中山大学（深圳）工业 AI 方向常年招收硕博研究生。课题组经费充足、数据来自真实产线，与通用、小米、应用材料等深度合作。欢迎机械、电气、计算机、自动化背景的同学。