杨斯崑老师现为大湾区大学（筹）计算机科学方向助理教授，致力于人工智能与统计机器学习的基础研究。杨博士在德国达姆施塔特工业大学（TU Darmstadt）师从Heinz Koeppl教授，从事统计机器学习研究并取得博士学位，其博士论文在该校获得最高评分。杨博士在概率图模型与最优传输的交叉应用，贝叶斯深度学习，贝叶斯统计以及随机时序点过程等研究方向上发表多篇顶级国际会议/期刊论文，包括ICML、AAAI、UAI、ICDM等。此外，杨博士在机器学习多个顶级学术会议，包括Neurips、ICML、ICLR、AISTATS、AAAI担任程序委员和审稿人。曾参与欧盟Horizon 2020精准医疗重大研发专项、德国教育部基金-可解释性机器学习与医疗中的功能性预测。
导师主页：
https://sikunyang.github.io/
https://www.gbu.edu.cn/detail/article/524
周逊教授，2014毕业于美国明尼苏达大学，获得计算机科学博士学位。2023年秋季起任哈工大深圳计算机科学与技术学院教授，博士生导师。入选国家级青年人才项目（海外）。发表论文论著100余篇，包括国际顶级会议期刊KDD, WWW, NeurIPS, IJCAI, AAAI, ICDM, TKDE，IJGIS等，并获得ICDM 2021最佳论文奖、SIAM Data Mining (SDM) 2019最佳应用数据科学论文奖、2009年中国数据库学术会议（NDBC）萨师煊优秀研究生论文奖等5次最佳论文奖；联合主编地理信息系统大百科全书一部。常年担任国际一流数据挖掘，机器学习，时空计算和地理信息系统会议（资深）程序委员会委员，组织委员会成员等职，并担任顶级期刊审稿人和客座编辑。担任时空计算领域国际顶级会议ACM SIGSPATIAL'24 Vice PC Co-Chair 以及三次Poster/Demo Co-Chair, KDD'25 Area Chair等。2016年获得美国国家科学基金NSF CRII奖。曾多次担任NSF及其他基金评委。主持参与多项美国NSF, 交通部以及爱荷华大学竞争性基金项目。所培养和联合指导博士毕业生多人获得美国大学tenure-track或中国大学教职。目前主要研究方向：时空数据深度学习，时空大模型和基础预训练模型，图数据挖掘，时空数据生成式学习，强化学习及模仿学习，可解释机器学习技术。
导师主页：
https://xunzhou2023.github.io/
招生信息
目前大湾区大学信息科学技术学院尚无博士自主招生能力，须通过哈尔滨工业大学（深圳）与大湾区大学联合培养专项计划招收博士研究生，请参考2025年哈尔滨工业大学（深圳）博士研究生入学申请条件：
https://yzb.hit.edu.cn/2024/0828/c8818a351716/page.htm
研究方向
招生研究课题紧密围绕统计机器学习、因果发现与深度生成学习等前沿热点问题，包括但不限于：
1. Neural ODE, Neural SDE, Schrödinger Bridge, and Optimal Transport for Diffusion Probabilistic Generative Models - 神经常微分方程，神经随机微分方程，薛定谔桥及最优传输在设计扩散概率生成模型中的应用；
2. Neural Spatial-Temporal Point Processes - 基于神经微分方程，脉冲神经网络及Transformer的时序点过程模型；
3. Causal Inference for Temporal Point Processes - 时序点过程及其相关场景中的因果推断；
4. Gaussian processes and Log-Gaussian Cox processes for Irregularly-Observed Spatial-Temporal data - 高斯过程与对数高斯Cox过程及其在离散事件序列分析预测中的应用；
5. Neural Optimal Transport for Generative Models - 神经最优传输在设计生成模型中的应用，特别是针对时间序列、图结构数据的生成问题；
6. 其他你感兴趣且相关有意义的topics。
博士学习期间在哈尔滨工业大学（深圳）校区完成第一年课程学习，结合个人研究兴趣与专长，经与导师商量同意，可以选择全部或部分时间在香港中文大学（深圳）查宏远教授课题组或大湾区大学松山湖校区杨斯崑教授课题组开展研究。学习期间，可以推荐至UT Austin周名远教授，德国达姆施塔特工业大学Heinz Koeppl教授，新加坡南洋理工大学Yiping Ke教授课题组交流访问。
招生要求
1. 数学与应用数学、统计学、计算机科学、电子信息与自动化等相关领域硕士学历（国内985或世界排名前200院校取得本硕学位，科研成果较突出者可适当放宽录取条件）；
2. 扎实的数学基础与编程能力，对机器学习相关问题有强烈兴趣；
3. 独立研究能力与团队合作精神。
申请方式
欢迎学习目标明确，数学、统计学基础扎实、喜欢动手编程钻研，有志从事人工智能与机器学习及其应用研究的同学咨询。
请发送学术简历+本硕期间全部成绩单+主要论文（如有）至：
sikunyang@gbu.edu.cn
近期推荐
