研究

本页介绍以方法为核心的研究方向：不确定性感知推断、自适应决策、闭环实验系统，以及机理机器学习。

方法支柱

• 不确定性感知推断： 从含噪、间接或不完整测量中恢复潜在系统状态，并量化不确定性以支持决策。
• 自适应决策： 利用不确定性估计和信息增益准则，选择下一步测量、感知配置、实验条件或停止点。
• 闭环实验： 连接感知、推断与行动，使系统能够随证据积累调整数据采集或实验计划。
• 机理机器学习： 将学习表示与物理前向模型、科学先验和约束相结合，使预测保持可解释性和可操作性。

当前平台

生物医学感知（进行中）

基于雷达的生理监测作为自适应感知测试平台，结合物理测量模型、逆问题、实时约束以及呼吸和心脏运动等健康相关信号。

→ 项目案例：自适应雷达生理传感

闭环发现（进行中；审稿中）

AntiSyn-AI及相关生物医学合作，利用不确定性感知主动选择在实验成本和安全性约束下优先进行信息量最大的实验条件。

→ 项目案例：AntiSyn-AI闭环发现

已发表成果

完整目录请参见发表页面，包括两篇审稿中的论文。研究软件成果详见软件目录。