近日，香港中文大学（深圳）数据科学学院共获批7项省市级科研项目。

广东省基础与应用基础研究基金委员会在11月发布了2023年度广东省基础与应用基础研究基金自然科学基金、2022年度省基础与应用基础研究基金省市联合基金拟立项项目的公示，香港中文大学（深圳）数据科学学院共获批广东省基础与应用基础研究基金自然科学基金面上项目1项、粤深联合青年基金项目1项。

在10月深圳市科技创新委员会发布的关于2022年度基础研究专项（自然科学基金）重点项目和面上项目拟资助项目的公示中，数据科学学院共获批深圳市基础研究重点项目2项、深圳市基础研究面上项目3项。

科研能力是衡量大学学术质量与创新能力的重要指标，香港中文大学（深圳）数据科学学院自成立以来一直着力提升自主创新能力，构筑科技创新人才高地，发挥学院优势力量，以带来更高水平的科研突破。除7项省市级科研项目外，学院在今年9月共获批15项国家自然科学基金项目，资助率达到45.5%，远高于2022年国家自然科学基金全国平均资助率16.5%，是平均资助率的2.75倍。学院也在持续加强高层次人才引进、培养青年科研骨干，今年共有13位海内外优秀学者加入学院全职师资队伍，为学院科研工作的高质量发展奠定了坚实基础。

广东省基础与应用基础研究基金自然科学基金面上项目1项

广东省基础与应用基础研究基金自然科学基金面上项面支持从事基础与应用基础研究的科学技术人员在自然科学领域内自主选题、自由探索，开展创新性科学研究，促进各学科均衡、协调和可持续发展。

                                                                                                                                         来源：广东省科学技术厅官网

项目名称：基于异构计算的大规模图的子图计数算法与应用研究

项目摘要：

近年来，学术界和工业界针对大规模异质图数据开展了大量的学术研究和应用研究。围绕大规模图数据的相关研究和技术已经在诸多领域（例如社交媒体、生物信息学等）发挥着极大的应用价值。在这些大规模的图数据的研究中，子图计数是最经典的课题之一，已经被研究了三四十余年。然而，随着社会生产生活各领域信息化程度越来越高，异质图数据规模不断扩大，导致已有的相关研究工作对于大规模异质图难以支持高效的子图计数。已有相关研究工作主要存在以下三个方面的不足：1、现有算法对于含多种类型节点与边的异质图支持不足且局限在节点个数较少的子图上；2、现有解决方案存在对于GPU等新硬件未充分利用等问题；3、针对动态异质图的子图计数维护算法较少。为解决上述三个方面的不足，本项目拟开展面向大规模异质图的基于异构计算环境的高效子图计数算法研究，分别基于CPU和异构计算环境设计一系列算法，支持大规模静态和动态异质图上进行高效的子图计数。

项目PI简介：

马晨昊

马晨昊现为香港中文大学（深圳）数据科学学院助理教授。此前，他曾于香港大学担任博士后研究员。他于2017年获得山东大学工学学士学位，2021年获得香港大学博士学位。他曾于2019年作为访问学者在新南威尔士大学学习。 他已在数据库和数据挖掘领域发表论文 10 余篇，其中大部分发表在顶级会议和期刊（例如SIGMOD、PVLDB 和 TODS）。其中一项代表性研究成果的论文被评为SIGMOD 2020会议的最佳论文之一（~4/458），并荣获2021 ACM SIGMOD Research Highlight Award。他曾担任多个顶级期刊（如 TKDE 和 VLDBJ）的审稿人。

 

广东省基础与应用基础研究基金粤深联合青年基金项目1项

广东省基础与应用基础研究基金粤深联合青年基金项目，主要支持青年科学技术人员在基金资助范围内自主选题开展基础与应用基础研究，培养青年科学技术人员独立承担科研项目、进行创新研究的能力，激发青年科学技术人员的创新思维，培育基础研究后继人才队伍。

来源：广东省科学技术厅官网

 

项目名称：一类可分割的回收品共享平台资源优化研究：联盟合作视角

项目摘要：

供应链合作联盟作为一种一体化途径，在资源互补、成本降低、网络渗透等方面具有显著的风险控制优势，成为学术界和企业界广泛关注的问题。但是，供应链合作联盟中，经常因产品结构差异、市场供销失衡、分配机制滞后等原因，使联盟合作破裂等问题愈发严重，尤其是在具有共享平台特征场景下更加复杂。本项目聚焦一类生产同时且产出多样、需求细分且内在结构比例共生的可回收的分割产品及其供应链结构，通过多元化协作系统性地探讨可回收的分割产品共享资源服务平台的风险分配、联盟效率以及合作稳定性三个关键理论问题。本课题立足合作联盟视角以及供需不确定性，聚焦可分割产品及供应链结构，系统性地探讨可分割产品供应链联盟合作的问题，围绕以下问题展开：（1）可分割产品供应链联盟的风险分配问题（上游分配vs.下游分配）；（2）可分割产品供应链联盟合作模式问题（横向合作vs.纵向合作）；（3）可分割产品供应链合作联盟稳定性问题（短视稳定vs.远视稳定）。该课题具有很好的理论与现实意义，不仅在理论层面丰富了可分割产品中的联盟合作研究，同时对同类型的生产企业运营和及其供应链竞合模式创新提供实践指导。

项目PI简介：

彭洋洋

彭洋洋现为香港中文大学（深圳）数据科学学院博士后，合作导师蔡小强教授。于2014年和2017年获得南京财经大学管理科学与工程本硕学位、2021年获得南京大学工商管理博士学位。目前在深圳市大数据研究院智慧城市交通物流实验室从事研究供应链运营优化的研究。彭洋洋博士曾在Annals of Operations Research、Journal of Industrial and Management Optimization、中国管理科学、系统工程理论与实践等期刊发表SCI/CSSCI等论文10余篇，已申请发明专利3项，主持中国博士后面上基金1项，广东省省市联合基金青年基金1项，参与多项国家自然科学基金项目，担任Journal of Intelligent Manufacturing等期刊审稿人。参与国家电网、华能集团、华为集团、聚石运营、浩鲸科技、武汉卷烟、红十字血液中心等企事业单位大数据供应链运营方面的项目，具有良好的业界研究经验。曾获得全国研究生数学建模竞赛一等奖、博士国家奖学金等。研究兴趣包括数据驱动的运营管理、合作及非合作博弈分析以及平台经济等。

 

深圳市基础研究重点项目2项

深圳市基础研究重点项目支持科学技术人员针对已有较好基础的研究方向或者学科生长点开展深入、系统的创新性研究，促进学科发展，推动若干重要领域或者科学前沿取得突破。重点项目应当体现有限目标、有限规模、重点突出的原则。

来源：深圳市科技创新委员会官网

项目一：多模态数据和多任务深度网络构建与训练研究

项目摘要：

本项目将围绕多模态数据和多任务深度网络构建与训练展开相关的研究。其核心内容是针对多任务的应用场景，设计统一通用的多模态预训练模型，并通过知识嵌入策略提升模型可解释性。本项目所要解决的核心的科学问题如下：（1）如何设计一个通用的多模态预训练学习框架，使其所获得的数据特征表达能够有效应对多种下游应用任务。（2）如何有效将知识嵌入到多模态大规模预训练模型。由于知识和预训练模型在表现形式上是难以兼容的，因此如何将其融入到神经网络里仍然是一项未解决的问题；（3）如何将多模态预训练模型更加有效地适配到下游任务，并针对计算条件进行轻量化部署。在实践中，我们将在生物医疗领域来验证我们的模型在实际场景中的有效性。

项目PI简介：

李海洲

李海洲现任香港中文大学（深圳）数据科学学院执行院长、校长学勤讲座教授，同时他也是新加坡国立大学客座教授和德国不来梅大学卓越讲座教授。此前，他曾于2006年至2016年分别担任新加坡南洋理工大学和新加坡国立大学教授，于2009年担任东芬兰大学客座教授，于2011年至2016年任澳洲新南威尔士大学客座教授，于2003年至2016年担任新加坡科技研究局通信与资讯研究院首席科学家和研究总监。

李教授曾任顶级期刊IEEE/ACM Transactions on Audio、Speech and Language Processing主编 (2015-2018年）；目前任Computer Speech and Language副主编 (2012-2022年)、Springer International Journal of Social Robotics副主编 (2008-2022年)。李教授也曾担任多个学术委员会委员：IEEE语音与语言处理技术委员会委员 (2013-2015年)、IEEE信号处理学会出版委员会委员(2015-2018年)；目前任IEEE 信号处理学会奖励委员会委员(2021-2023年)。李教授也曾是多个学会主席：国际语音通信学会主席 (ISCA, 2015-2017年)、亚太信号与信息处理协会主席 (APSIPA, 2015-2016年)、亚洲自然语言处理联合会主席 (AFNLP, 2017-2018年)。此外，他还担任过ACL 2012、INTERSPEECH 2014等多个大型学术会议的主席，他也是IEEE声学、语音与信号处理国际会议 （ICASSP 2022）的主席。

李教授享誉国际，他不仅在语音识别和自然语言处理研究领域有着突出贡献，还领导研发了多项知名的语音产品，如1996年苹果电脑公司为Macintosh发行的中文听写套件、1999年Lernout & Hauspie公司为亚洲语言发行的Speech-Pen-Keyboard文本输入解决方案。他是一系列重大技术项目的架构师，项目包括2001年为新加坡樟宜国际机场研发的具有多语种语音识别功能的TELEFIQS自动呼叫中心、2012年为联想A586智能手机研发的声纹识别引擎、2013年为百度音乐研发的听歌识曲引擎。

项目二：极端环境下机器人传感退化机理与感知定位方法研究

项目摘要：

近年来，机器人在生产生活中扮演着越来越重要的角色。2021年，工信部等十五部门联合印发《“十四五”机器人产业发展规划》，提出到 2035 年，我国机器人产业综合实力达到国际领先水平，机器人成为经济发展、人民生活、社会治理的重要组成。在各种激励政策推动下，机器人在工业及学术界取得了很大进展。机器人主动感知定位作为机器人与环境交互过程中的重要环节，也得到了广泛研究。然而，目前机器人感知定位在应用中仍存在巨大挑战，完成从实验室简单场景走向户外等复杂场景，一个关键问题是如何保证机器人在极端环境下鲁棒、高效运行。为响应国家、广东省和深圳市的机器人产业布局，本项目关注“极端环境下机器人传感退化机理与感知定位方法”研究，聚焦科学前沿，打破极端环境下机器人感知的局限，为实现极端环境下机器人鲁棒精准感知定位提供研究基础及技术储备。

本项目紧密围绕极端环境下高效、鲁棒的机器人定位与导航这一目标，将主要研究内容分解为极端环境下传感退化程度估计与数据恢复、基于强化学习的异构机器人主动感知策略和退化环境下多模态传感融合的高精度实时定位与导航三部分内容。在复杂场景下，对退化数据与高质量数据之间的深层次关系进行建模是本项目将要解决的第一个关键科学问题。对此，本项目将构建有效处理多模态数据的统一深度学习框架，并基于所获得的感知退化机理描述，构建预测数据退化程度的机器学习模型。进一步采用深度学习技术构建海量虚拟渲染数据集，通过耦合生成对抗学习技术研究退化数据和高质量数据的联合分布规律，推导数据复原模型的跨模态迁移原理。如何构建异构多机器人智能合作体系，解决多机系统训练的复杂性，提高对复杂多变环境的泛化性，是本项目需要解决的第二个关键问题，对此本项目将设计多机器人在线协同合作机制，通过多机器人之间信息共享，避免单个机器人陷入局部最优行为，并充分考虑异构多机器人功能的差异性等不确定性，提高模型的鲁棒性。进一步研究基于元学习的感知策略自主学习方式，实现机器人系统对目标交互环境的快速自适应。如何根据传感退化程度分析，设计自适应优化滤波算法，提升对噪声的鲁棒性，实现极端环境下的高精度实时定位与导航，是本项目需要解决的第三个关键问题。对此，本项目将基于数据退化程度赋予传感器相应权重，并利用图优化方法融合多模态信息优化位姿估计。此外，将传感器感知置信度与滤波器中观测和过程噪声结合求解，研究不变性误差的卡尔曼滤波SLAM估计器，同时研究系统的能观性，给估计器的一致性作为理论保障。

本项目旨在针对雨雪雾烟等极端环境机器人传感信息退化问题，对多模态传感融合的感知定位方法开展深入研究。重点突破传感退化机理与数据恢复、基于强化学习的异构机器人主动感知策略、退化环境下多模态传感融合的高精度实时定位与导航等关键技术，克服现有机器人定位与导航系统在极端环境下鲁棒性不高、实时性较差的局限，为机器人在更多极端环境下取代人工，高效完成任务提供坚实的研究基础及科学储备。本项目的研究系国际科研前沿，具有重要的理论价值，为深圳市的机器人产业和智慧城市发展提供核心技术支撑。

项目PI简介：

吴均峰

吴均峰现为香港中文大学（深圳）数据科学学院副教授。吴教授于2009年获得浙江大学控制科学与工程系学士学位。之后，他进入香港科技大学，于2013年获得电子与计算机工程系博士学位。

2013年，吴教授在香港科技大学担任博士后；2014-2017年担任瑞典皇家理工学院研究员。自2017年到2021年，他在浙江大学任特聘研究员。

吴教授的研究兴趣主要在网络安全和隐私、优化、分布式系统、控制网络系统、卡尔曼滤波、信号处理等方面。他被授予了多个奖项，2019年，获得了日本JSPS Invitational Fellowship。2014年，他被 Automatica, IEEE Trans. Control of Network Systems授予杰出审稿人的荣誉。2015年，获得了第34届中国控制会（CCC2015）关肇直奖。2016年，获得了澳大利亚政府的澳大利亚政府Endeavour Research Fellowship。

深圳市基础研究面上项目3项

深圳市基础研究面上项目支持科学技术人员自主选题，开展创新性的科学研究，促进各学科均衡、协调和可持续发展。

来源：深圳市科技创新委员会官网

项目一：核正则化线性系统辨识的若干关键问题研究

项目摘要：

项目PI简介：

陈天石

陈天石现为香港中文大学（深圳）数据科学学院副教授。陈教授在2001年以全系第一名的成绩从哈尔滨工业大学控制科学与工程系毕业获学士学位，在2005年从哈尔滨工业大学获得控制科学与控制工程硕士学位，在2008年12月从香港中文大学获得自动化与计算机辅助工程博士学位。从2009年4月至2015年12月，他在瑞典Linkoping 大学电气工程系工作，先任博士后（从2009年4月至2011年3月），后任助理教授（从2011年4月至2015年12月）。在2015年12月，他回国加入香港中文大学（深圳），任职副教授。

他主要从事系统辨识（数据驱动的建模和分析）、统计信号处理、机器学习、数据科学、非线性控制及其应用的研究工作。他在欧洲和中国参与了若干科研项目。目前，他主持一项由国家自然科学基金资助的面上项目（2018-2021），一项由深圳市科创委资助的学科布局项目（2017-2019），和一项由瑞典研究委员会资助的青年科学家基金(2015-2018，当年申请成功率为9.8%)。作为项目负责人，他目前获得的竞争性项目总经费为726万人民币和360万瑞典克朗。他在2011-2015年期间，作为主要合作者还参与了欧盟研究委员会资助的高级研究项目LEARN (Limitations, Estimation, Adaptivity, Reinforcement, Networks in System Identification, 250万欧元)。

他是Automatica（2017-至今）和System & Control Letters（2017-至今）的编委，他还是 IEEE控制系统协会会议编委会（CEB）的编委（2016-至今）。

项目二：面向电商知识图谱的异常行为检测方法研究

项目摘要：

近年来，随着信息技术的快速发展，深圳市在网上购物、移动支付等电商领域获得了极大的发展。与此同时，各种违法行为如“刷单”、“洗钱”、“支付欺诈”等层出不穷，严重危害到了人民群众的财产安全。因此，如何有效地检测电商违法犯罪行为对保障经济社会的平稳发展有着重要意义。目前，电商平台积累了各种各样的大数据。其中，由于知识图谱可以有效表示不同类型实体之间的复杂关系，其已被广泛应用于电商领域各种数据的表示。基于图数据的异常行为检测方法已经在异常行为检测中取得了一些积极的成果，但大部分已有相关研究主要针对传统同质图和二部图，难以适用于复杂的电商知识图谱，其根本原因在于节点和边的类型以及语义特性的存在使得知识图谱的结构较传统网络更为复杂，继而增大了异常行为检测的难度。为解决现有研究的不足之处，本项目将围绕电商知识图谱上的异常行为检测问题展开，旨在从基于复杂路径、稠密子图、模式匹配的异常行为检测方法三个方面取得重要突破。此外，本项目还将研发一个原型系统并通过真实电商知识图谱验证新提出算法的有效性。因此，本课题的研究既对整个研究领域有着重要的推动作用，也在深圳市相关行业中可以发挥着重要的实际应用价值。

项目PI简介：

方一向

方一向现为香港中文大学（深圳）数据科学学院副教授。他于2010年获哈尔滨工程大学工学学士学位，2013年获哈尔滨工业大学工学硕士学位，2017年获香港大学计算机科学系哲学博士学位，之后在香港大学和澳大利亚新南威尔士大学继续从事学术研究工作。他曾于 2016年，作为访问学者在新加坡南洋理工大学学习。

方博士主要研究面向大数据的管理、挖掘、人工智能等相关课题，具体包括面向大规模图数据的数据管理、数据挖掘、图神经网络、表达学习等以及面向大规模空间数据的关键字搜索、地理社交网络挖掘、轨迹查询等。他已在数据库、数据挖掘、人工智能等领域的高水平国际会议/期刊（如VLDB、SIGMOD、ICDE、NeurIPS 、IJCAI、TODS、VLDBJ、TKDE等）上累计发表论文60余篇，包括中国计算机学会认定的A类论文（即CCF-A）30多篇，第一/通讯作者CCF-A论文20多篇。其中一项代表性研究成果的论文被评为SIGMOD 2020会议的最佳论文之一（~4/458），并荣获2021 ACM SIGMOD Research Highlight Award。方博士目前担任国际知名期刊《Information Processing & Management》（CCF-B类期刊）的编委。他曾是多个数据库和数据挖掘领域顶级会议（例如PVLDB、ICDE、KDD、AAAI、IJCAI等）的程序委员会成员以及顶级期刊（例如TKDE、VLDBJ等）的审稿人。

项目三：基于移动边缘多智能体的6G空天地融合感知关键技术研究

项目摘要：

为了满足机载、船载网络与地面物联网的连续性、实时性、高效性服务需求，6G网络将覆盖范围拓展至太空、陆地、深海构成的立体自然空间，以支持低成本海量物联网设备感知与通信应用。项目主要研究内容包括：1）设计时空立体覆盖能效优化的飞行器协同航迹规划算法，提高感知效率并延长飞行器集群服务时间；2）采用信息流认知与资源分配的方法，实现多智能体多层级动态数据传输策略，提高链路配准效率并保障终端用户体验；3）设计价值驱动的多智能体空天地融合感知机制，解决移动设备感知差异化导致的多模态数据在边缘侧融合的难题。预期通过项目研究促进6G空天地网络一体化的实际部署与应用，实现终端-无人机-卫星-云平台的立体 “泛在覆盖” 和 “融合感知” 。

项目PI简介：

缪一铭

缪一铭现为香港中文大学（深圳）数据科学学院任研究助理教授，于2021年7月加入。她于2021年在华中科技大学计算机科学与技术学院获得博士学位，于2016年在青海大学计算机科学与技术专业获得学士学位。她一直致力于数据驱动的通信、边缘计算与物联网的研究，成果以第一作者或通信作者发表在国际顶级期刊IEEE Transactions on Intelligent Transportation System、IEEE Transactions on Network Science and Engineering、IEEE Transactions on Cognitive Communications and Networking、IEEE Wireless Communications Magazine、 IEEE Network，Future Generation Computer Systems等。此外，缪一铭教授多次担任国际顶级期刊IEEE WCM、IEEE Network、IEEE TITS、FGCS、Journal of Circuits, Systems, and Computers (JCSC)、ACM Computing Surveys (CSUR)的审稿人，以及国际会议IWCMC 2022、2021的研讨会主席，TRIDENTCOM 2017的网络主席和CloudComp 2016的本地主席。