面向不确定系统的推断、决策与闭环实验

系统优化、控制、机理机器学习、自适应传感与闭环实验方向的研究。

我是一名研究员与工程师，致力于开发使系统能够在不确定测量条件下学习并选择有效下一步行动的方法。当前研究方向是面向自适应生物医学传感与闭环实验的机理机器学习。

贯穿此前工作的主线并非某一应用领域，而是面向在不确定性下运行的真实系统——设计模型、估计器、优化方法与控制策略。

经历 / 轨迹

2026年至今： 研究员，杭州市拱墅区工大未来技术研究院（浙江工业大学），杭州。
2026年至今： 客座研究员，西安电子科技大学杭州研究院——自适应生物医学传感与闭环实验项目（兼职）。
2026年至今： 基础算法库开发工程师，HRK-Data（兼职）。
2020–2024： 博士后研究员，苏黎世联邦理工学院（ETH Zurich）——能源系统、自动化、建模与控制。同期担任瑞士国家自动化能力研究中心（NCCR Automation）科学官员与数据管理专员。
2023–2024： 讲师与实验室负责人，ETH Zurich——四旋翼与控制实验课程（约120 + 约200名学生）。
2016–2020： 博士研究员，DTU Compute——能源系统的高效运行、建模、优化与控制。

开发概率重建与状态估计方法，将测量数据与物理或科学结构相结合，产生能够支持决策的不确定性估计。

将传感与实验框架化为序贯决策问题：在当前不确定性与实际约束下，下一步应测量、采样、测试或终止什么？

当前研究将传感、推断与行动连接为闭环系统，使系统能够随证据积累自适应调整测量或实验策略。生物实验行动保留人工审核；安全传感行动可在约束下自动执行。

学习表示受物理前向模型、科学先验与领域知识约束，使预测保持可解释性、合理外推并支持可操作决策。

生物医学传感是主要的自适应传感方向，以基于雷达的生理监测为测试平台，涵盖物理测量模型、逆问题、实时约束与健康相关信号。

闭环发现由 AntiSyn-AI 及相关生物医学合作项目代表（稿件审阅中），不确定性感知主动选择有助于优先选择信息量最大的组合、浓度或实验条件。

以下成果展示了跨应用领域的方法基础：

另有两篇稿件审阅中。完整记录见发表页面。

欢迎就研究合作、自适应传感与实验、不确定性感知建模及相关学术机会联系咨询。机器学习、优化与控制方面的咨询项目视情况接洽。