科研课程目录

智能系统设计：人工智能、计算机视觉与质量管理

本课程是一门跨学科的科研导向课程，旨在引导学生探索人工智能、计算机视觉与物理系统设计之间的联系。课程将结合数学、物理和计算方法，帮助学生理解智能系统如何通过算法与工程设计实现对现实世界的感知与交互。学生将学习图像处理、特征识别、基础机器学习算法以及物理系统建模等核心概念，并理解这些技术在现代智能系统中的应用。在课程实践环节中，学生将参与小型科研项目，通过编程与实验探索智能系统的设计与实现。例如，学生可能开发基于机器视觉的物体识别工具，或通过物理与数学模型设计能够产生特定音调的振动结构。课程最终将以科研成果展示为目标，学生将完成学术海报并进行研究展示，从而体验完整的科研流程。该课程特别适合希望探索人工智能、工程技术与科学研究交叉领域的学生。

• 论文发表机会
• 推荐信机会
• 科研经历

AI 与数据科学：真实世界科研应用

本课程系统培养人工智能与大数据技术的跨学科应用能力，重点教授Python编程、NumPy/pandas数据分析及scikit-learn/PyTorch建模技术。通过真实科研项目训练，学员将掌握从基础理论到复杂模型构建的全流程技能，适用于医学、心理学、经济学等多学科研究需求。课程旨在提升在智能时代的跨学科研究水平，助力学员发表高水平论文或实现产业应用，培养具备AI素养的复合型研究人才。

• 论文发表机会
• 推荐信机会
• 科研经历

AI 赋能：数据、预测与不确定性决策

人工智能正在被广泛应用于天气预测、灾害预警、房价评估与金融分析等场景，但所有预测都伴随着不确定性与风险。本课程将带领学生学习如何构建AI预测模型，并重点理解模型误差、不确定性及其对现实决策的影响。通过Python或R实践，学生将基于真实数据完成预测分析，并评估模型的可靠性与风险。课程采用科研导向模式，涵盖回归、决策树、贝叶斯分析等核心方法。最终，学生将完成一个小型科研项目，形成从建模到不确定性分析的完整研究成果。

• 论文发表机会
• 推荐信机会
• 科研经历

自动驾驶：人类意图如何影响自动驾驶决策

本课程围绕一个前沿问题展开：人类语言能否直接影响自动驾驶系统的决策？学生将探索如何利用大语言模型（LLM）将"我赶时间"或"开慢一点"等自然语言指令转化为具体的驾驶行为（如速度、路线与驾驶策略）。课程结合自动驾驶基础与人工智能方法，引导学生构建一个"人类语言 → AI理解 → 驾驶决策"的系统。通过模拟实验与项目实践，学生将测试不同指令对车辆行为的影响，并设计人类参与（human-in-the-loop）的反馈机制。同时，课程也将探讨AI误解、人机交互与安全边界等关键问题。最终，学生将完成一个基于LLM的"可对话自动驾驶系统"项目，并形成可展示的demo与研究成果。

• 论文发表机会
• 推荐信机会
• 科研经历

智能机器人与工程系统设计

本课程面向对机器人技术与工程系统设计感兴趣的学生，系统培养学生运用物理、数学和计算方法解决真实工程问题的能力。课程将重点介绍机器人系统的核心组成，包括电子电路、逻辑控制、电路分析、传感器系统、控制算法以及系统集成等关键技术。通过结合理论讲解与实践项目，学生将深入理解不同类型机器人系统的设计原理及其工程实现方法。在课程中，学生将参与真实科研导向的项目实践，学习从基础理论分析到复杂控制系统构建的完整工程流程。课程内容涵盖机器人感知、控制系统设计、硬件结构优化与工程封装等多个方面，适用于物理、电子工程、机械工程、材料科学以及计算机科学等多学科背景的学生。课程旨在培养学生的跨学科科研能力与工程创新思维，帮助学生掌握机器人系统设计的核心方法，为未来参与前沿科研项目、学术会议成果展示或工程技术应用奠定坚实基础。

• 论文发表机会
• 推荐信机会
• 科研经历

人机交互在社会科学和健康科学领域的应用

本课程系统讲授大语言模型时代的人机交互（HCI）核心技术与研究方法，重点结合健康科学与社会科学应用场景（如辅助技术、双语教育与残障支持等），培养学生从真实问题出发开展交叉学科研究的能力。课程涵盖 Figma 原型设计、用户需求分析，以及混合研究方法（问卷调查、焦点小组、用户研究），并引导学生掌握参与式设计等前沿方法。通过智能交互系统开发与应用设计优化等项目实践，学生将系统掌握 UX 研究与设计流程，最终产出具有学术价值的研究成果或作品集。

• 论文发表机会
• 推荐信机会
• 科研经历

智能医疗手术机器人的视觉感知与三维重构研究

结合机器人运动学、机器视觉与三维重构，让手术机器人具备更精准的空间感知能力。

• 论文发表机会
• 推荐信机会
• 科研经历

基于大语言模型的语言控制自动驾驶系统设计

本项目将大语言模型（LLM）的高阶语义理解与逻辑推理能力融入自动驾驶控制链条，设计一套支持自然语言指令输入的端到端或模块化控制系统，旨在提升复杂交通场景下人机交互的直觉性与车辆决策的智能水平。

• 论文发表机会
• 推荐信机会
• 科研经历

对话自动驾驶汽车:基于大语言模型的人在环驾驶系统

本项目构建了一个基于大语言模型（LLM）的“人在环路”（Human-in-the-Loop）自动驾驶系统，通过自然语言对话实现人与车辆的实时意图协同与控制交互，旨在提升智能驾驶过程中的信任感、安全性与个性化操控体验。

• 论文发表机会
• 推荐信机会
• 科研经历

大语言模型驱动:人类意图到驾驶行为转化系统

本项目利用大语言模型（LLM）出色的语义理解与复杂推理能力，构建从模糊“人类意图”到精准“车辆驾驶行为”的映射与转化系统，旨在实现高自然度、高响应度的智能化人车交互与行为控制。

• 论文发表机会
• 推荐信机会
• 科研经历

硅基物理智能:基于Al计算平台的多模态传感融合调度

本项目围绕“硅基物理智能”核心概念，探索在专有AI计算芯片与异构平台上，多模态传感器（如视觉、触觉、力觉等）数据的低延迟融合与动态资源调度机制，旨在实现具身智能体在复杂物理环境下的高实时性感知与稳健控制。

• 论文发表机会
• 推荐信机会
• 科研经历

面向人形机器人低延迟感知的类脑电路软硬件协同设计

本项目立足于人形机器人对高实时性感知的严苛需求，研制基于脉冲神经网络（SNN）与事件驱动架构的类脑计算电路，并协同优化前端感知算法与芯片指令集，旨在突破传统计算架构的功耗与时延瓶颈，实现毫秒级甚至亚毫秒级的低延迟复杂环境感知。

• 论文发表机会
• 推荐信机会
• 科研经历

面向可重构软体机器人的实时控制AI生成数字架构设计

本项目针对可重构软体机器人高维非线性形变与拓扑变化的控制难题，构建由AI驱动的实时数字架构，实现从动态形态感知到控制指令生成的端到端硬件/逻辑映射，旨在提升软体机器人在复杂非结构化环境下的自适应能力与实时响应速度。

• 论文发表机会
• 推荐信机会
• 科研经历

AI能预测天气吗?回归与移动平均模型的比较研究

本项目基于气象历史数据，对比分析回归模型与移动平均模型在天气预测中的准确性与稳定性，探索算法在短期气象变化中的应用潜力与应用边界。

• 论文发表机会
• 推荐信机会
• 科研经历

分类模型的洪水风险预测:逻辑回归与决策树的比较

本项目基于水文与气象特征数据，对比分析逻辑回归与决策树两种分类模型在洪水风险预警中的分类精度与可解释性，评估算法在灾害风险评估中的应用价值。

• 论文发表机会
• 推荐信机会
• 科研经历

房价由什么决定?回归模型与随机森林方法的比较研究

本项目整合地理位置、房屋特征及宏观经济等多维数据，对比评估传统回归模型与随机森林算法在房价预测中的拟合精度与特征重要性，揭示影响房价的核心驱动因素。

• 论文发表机会
• 推荐信机会
• 科研经历

机器学习能预测股价:移动平均与回归模型的比较研究

本项目基于股票交易历史数据与技术指标，对比评估移动平均与回归模型在股价趋势预测中的效果与适用场景，探索机器学习在金融市场短期预测中的有效性与局限性。

• 论文发表机会
• 推荐信机会
• 科研经历

子图方差约束图卷积网络分布式轻量化优化算法

本研究针对大规模图神经网络分布式训练中的通信开销与方差爆炸问题，提出一种子图方差约束的图卷积网络轻量化优化算法，通过采样方差控制与参数剪枝融合机制，在保证模型收敛性与精度的前提下实现高效分布式并行计算。

• 论文发表机会
• 推荐信机会
• 科研经历

异构网络公平社区挖掘与可解释图表示学习

本研究针对异构网络中复杂语义与敏感属性引发的偏见放大与黑箱决策问题，提出兼具公平性与可解释性的图表示学习框架，通过消除隐式偏差与构建自我解释机制，实现高精度、无偏且透明的社区挖掘。

• 论文发表机会
• 推荐信机会
• 科研经历

图卷积知识追踪驱动个性化智能学情评估模型

本研究利用图卷积知识追踪挖掘知识概念图谱结构，建模学生动态认知状态，实现高精度、个性化的智能学情评估。

• 论文发表机会
• 推荐信机会
• 科研经历

ScaleWave 边缘无服务器算力弹性扩容调度机制

本项目提出ScaleWave调度机制，优化边缘无服务器计算的弹性扩容与资源调度，大幅降低响应延迟并提升算力利用率。

• 论文发表机会
• 推荐信机会
• 科研经历

WiFi 接入点毫秒级边缘缓存移动应用低延迟架构

本项目构建基于WiFi接入点的毫秒级边缘缓存架构，优化移动应用数据传输路径，显著降低网络时延与响应开销。

• 论文发表机会
• 推荐信机会
• 科研经历

家用路由器轻量化联邦个性化推荐协同训练

本项目针对家用路由器部署轻量化联邦学习框架，实现保护隐私的个性化推荐协同训练，兼顾边缘算力与推荐精度。

• 论文发表机会
• 推荐信机会
• 科研经历

基于大语言模型的双语沟通辅助对话界面设计研究

本项目立足于大语言模型（LLM）的自然语言理解与生成能力，设计并评估一种双语沟通辅助对话界面，旨在优化跨语言交流中的实时翻译、语境理解与互动体验。

• 论文发表机会
• 推荐信机会
• 科研经历

面向沟通障碍人群的AI辅助系统协同设计研究

本项目采用协同设计（Co-Design）方法，深度融入沟通障碍人群及其护理团队的真实需求，探索并构建具备高易用性与个性化适应力的AI辅助系统，旨在提升目标群体的社会参与度与日常交流质量。

• 论文发表机会
• 推荐信机会
• 科研经历

AI驱动数字健康工具在认知与语言支持中的用户体验评估

本项目围绕AI驱动的数字健康工具在认知训练与语言干预中的实际应用，通过多维度用户体验（UX）评估，探讨其在可用性、情感交互与用户粘性上的表现，为优化智能辅助医疗产品设计提供实证依据。

• 论文发表机会
• 推荐信机会
• 科研经历

基于AI中介交互的残障用户研究

本项目聚焦残障用户群体，深入研究AI系统作为交互中介时的用户行为、心理感知与适应策略，旨在揭示人工智能在无障碍交互中的桥梁作用，为构建包容性数字体验提供理论与实践指导。

• 论文发表机会
• 推荐信机会
• 科研经历

法律约束下机器学习算法公平性技术融合路径

本项目探索法律规范约束下的机器学习算法公平性融合路径，构建兼顾合规性、可解释性与精度的算法治理框架。

• 论文发表机会
• 推荐信机会
• 科研经历

AI 与直播电商的未来

本课程围绕近年来快速发展的直播电商产业，系统介绍人工智能技术与数字商业运营之间的关系。课程将带领学生理解直播电商平台的基本运作机制，包括平台、商家与主播之间的协作模式，以及直播营销如何影响消费者行为和购买决策。学生将通过案例分析与数据思维，学习企业如何制定定价策略、设计直播运营方案，以及在AI主播与真人主播之间做出技术选择。在课程实践环节中，学生将从科研视角探索直播电商背后的商业逻辑与经济学模型，学习如何提出研究问题、构建简单的消费者行为模型，并分析企业在竞争环境下的战略决策。课程最终将以小型科研项目展示为目标，学生将完成一个研究选题并进行展示，从而体验从商业现象观察到科研模型构建的完整研究过程。

• 论文发表机会
• 推荐信机会
• 科研经历

主播真实感对直播购物意愿的影响：信任的中介作用

本研究基于刺激-机体-反应（S-O-R）框架，探究主播真实感对消费者直播购物意愿的影响，并验证信任的中介路径与作用边界。

• 论文发表机会
• 推荐信机会
• 科研经历

倒计时促销对冲动购买的影响——基于感知操控的调节

• 论文发表机会
• 推荐信机会
• 科研经历

绿色宣传模糊性对漂绿感知的影响：环保知识的调节作用

• 论文发表机会
• 推荐信机会
• 科研经历

AI生成品牌道歉声明对消费者真诚感和原谅意愿的影响

• 论文发表机会
• 推荐信机会
• 科研经历

算法透明度对平台劳动者组织公平感的影响

本研究基于组织公平与技术接受理论，探究算法透明度对平台劳动者组织公平感的影响机理，并揭示其边界条件与行为响应。

• 论文发表机会
• 推荐信机会
• 科研经历

AI招聘情境下算法公平感对组织吸引力的影响

• 论文发表机会
• 推荐信机会
• 科研经历

数据驱动的金融研究：市场、公司与投资分析

本课程旨在系统培养学生在金融领域开展定性研究与定量分析的能力。课程将介绍现代金融研究的基本方法，包括金融数据分析、实证研究设计以及计量经济学在金融研究中的应用。学生将学习如何利用 Stata 等统计工具进行数据处理与分析，并掌握从研究问题提出、数据收集到实证分析与结果解释的完整科研流程。课程内容涵盖资产定价、公司金融、金融市场等核心领域，并延伸至 ESG投资、金融科技（FinTech）与数字金融等前沿研究方向。通过真实科研项目训练，学生将实践金融数据清理、统计建模和研究报告撰写，理解如何利用数据回答金融市场中的重要问题。课程旨在帮助学生建立系统的金融研究思维，为未来在金融、经济学或商业分析等领域的学习与研究打下基础。

• 论文发表机会
• 推荐信机会
• 科研经历

人机直播电商的定价与渠道策略研究

本项目聚焦真人主播与AI数字人协同主播的直播电商新业态，构建博弈论与定量分析模型，深入探讨不同渠道配置下的最优定价策略、流量分配与渠道协调机制，为电商平台与商家在智能化转型中的商业决策提供理论支持。

• 论文发表机会
• 推荐信机会
• 科研经历

AI赋能直播电商的市场竞争机制分析

本项目聚焦人工智能技术（如虚拟数字人、个性化推荐算法与智能客服）在直播电商领域的应用，运用产业经济学与博弈论方法，深入剖析AI赋能下商家、平台与消费者之间的博弈格局、市场集中度变化及竞争定价机制，为智能经济时代的数字市场监管与商业策略制定提供理论依据。

• 论文发表机会
• 推荐信机会
• 科研经历

AI直播电商的定价协调与运营策略研究

本项目聚焦AI数字人与智能推荐深度融入的直播电商模式，运用运筹学与博弈论方法，深入研究供应链上下游在AI驱动下的定价协调机制、库存管理与流量分发策略，旨在优化人货场配置，提升系统整体收益与运营效率。

• 论文发表机会
• 推荐信机会
• 科研经历

散户交易行为对市场短期波动的驱动研究

本研究基于高频订单流与社媒数据，评估散户交易对短期价格波动的驱动机制，为防范系统性风险提供实证支撑。

• 论文发表机会
• 推荐信机会
• 科研经历

大语言模型的多模态行为数据预测认知与情绪状态

本研究利用LLM整合多源异构数据，构建“行为表征-心理状态”映射模型，为情感计算与心理预警提供支撑。

• 论文发表机会
• 推荐信机会
• 科研经历

AI驱动的学习分析:学生表现预测与个性化学习路径

本研究基于多维学习日志，融合预测模型、图神经网络与强化学习，精准预警风险并生成自适应个性化学习路径。

• 论文发表机会
• 推荐信机会
• 科研经历

股票回购公告的长期价值效应研究零售

本研究基于事件研究法等，评估零售企业股票回购的长期价值效应与行业调节因子，为资本分配提供实证依据。

• 论文发表机会
• 推荐信机会
• 科研经历

宏观不确定性下基于机器学习的金融市场预测研究

本研究基于多源异构数据与可解释AI，构建宏观不确定性下的资产预测模型，为风险预警与资产配置提供支撑。

• 论文发表机会
• 推荐信机会
• 科研经历

投资者追涨杀跌的行为偏差分析

本研究结合微观交易与社媒数据，量化认知偏差对“追涨杀跌”的驱动机制，为投资者教育与风险预警提供依据。

• 论文发表机会
• 推荐信机会
• 科研经历

投资者压力与企业战略短视性的影响研究

本研究基于上市公司微观数据与因果推断，评估资本市场压力对企业战略短视的影响及治理调节机制。

• 论文发表机会
• 推荐信机会
• 科研经历

BIM 全生命周期建筑碳核算净零数字化设计

本项目融合BIM与全生命周期评价，构建建筑碳核算与净零数字化设计平台，助力建筑全过程低碳赋能。

• 论文发表机会
• 推荐信机会
• 科研经历

人工智能在新能源系统设计中的应用

随着可再生能源的发展，如何高效整合太阳能、风能、储能及电网资源成为能源工程与可持续发展的核心问题。本课程带领学生深入理解混合能源系统（Hybrid Energy Systems）的设计与优化方法，基于 Genewable 等专业平台，系统讲解多能源系统建模、系统集成与性能分析。在此基础上，课程引入人工智能与优化方法，帮助学生分析复杂负载需求、制定能源调度策略，并探讨峰谷电价机制与需求侧管理对系统设计的影响。学生将完成一个具有工程与研究价值的混合能源系统优化项目。

• 论文发表机会
• 推荐信机会
• 科研经历

面向高效能量采集的 AI-有限元协同优化研究

随着人工智能技术的快速发展，AI与工程仿真的深度融合正成为智能设计的重要发展方向。在振动能量采集领域，如何利用人工智能提高有限元仿真的效率，并实现能量采集器性能的快速预测，已成为当前研究的热点。压电振动能量采集器作为一种能够将环境振动转化为电能的绿色能源技术，在无线传感器、物联网设备和自供电系统中具有广阔的应用前景。 本课题旨在结合人工智能算法与有限元仿真技术，建立压电振动能量采集器的智能分析与优化方法。通过有限元软件模拟不同材料、几何结构和振动工况下采集器的性能，并利用AI模型对仿真数据进行学习与预测，实现结构参数的智能优化，提高能量采集效率和仿真设计效率。通过本课题，学生将掌握有限元仿真、数据分析及人工智能优化等关键技术，培养智能设计与跨学科研究能力。

• 论文发表机会
• 推荐信机会
• 科研经历

压电振动能量采集器设计与优化

随着智能设备和物联网的迅速发展，如何为这些设备提供持续、稳定的电力来源成为了一个重要的研究课题。特别是在没有外部电源的环境下，利用环境中的振动能量进行自供电已经成为一种具有广阔前景的解决方案。而压电振动能量采集器，作为一种通过将机械振动转化为电能的技术，凭借其高效、便捷、低成本的特点，受到了越来越多的关注。 本课题旨在通过设计与优化压电振动能量采集器，研究如何最大化振动能量的转化效率，并深入探讨压电材料、几何结构、振动频率等因素对能量采集性能的影响。通过使用有限元仿真工具，学生们将能够模拟和分析不同设计方案在不同振动条件下的表现，探索如何优化结构设计，提高能量转化效率。

• 论文发表机会
• 推荐信机会
• 科研经历

人体运动振动能量采集器研究进展综述

随着可穿戴电子设备、健康监测系统和智能医疗技术的快速发展，如何为这些设备提供持续、可靠的能源供应成为了研究热点。人体在日常活动过程中会产生丰富的机械能，如步行、跑步、肢体摆动以及关节运动等。利用人体运动产生的振动能量进行能量采集，并将其转化为可利用的电能，为实现可穿戴设备的自供电提供了一种绿色、可持续的解决方案，因此受到了广泛关注。 本课题以人体运动振动能量采集器为研究对象，通过查阅和分析国内外相关文献，对人体运动能量采集技术的发展现状进行系统综述。重点总结压电式、电磁式和摩擦电式等典型能量采集方法的工作原理、结构特点及应用场景，分析人体运动特征、材料选择和结构设计等因素对能量采集性能的影响。同时，探讨当前人体运动能量采集技术面临的主要挑战及未来发展方向，为新型自供电可穿戴设备的设计与开发提供参考。

• 论文发表机会
• 推荐信机会
• 科研经历

人口健康数据科学

本课程介绍医疗与公共卫生研究中的数据分析方法，帮助学生理解如何将现实世界中的健康问题转化为可研究的科学问题，并利用数据进行分析与解释。课程将从基础统计学概念入手，介绍常见的人口健康数据类型、研究设计方法以及数据分析的基本思路。学生将学习描述性统计、基础概率与统计推断等核心概念，并了解回归分析等常见统计模型在公共卫生研究中的应用。学生将使用真实的人口健康数据，在导师指导下学习数据获取、数据清理和基础数据分析（使用 R 或 Stata）。课程还将介绍科研论文的基本结构、研究结果的解释方法以及学术报告规范。通过完成一个小型数据分析项目，学生将体验从提出研究问题、进行数据分析到展示研究结果的完整科研过程，为未来在医学、公共卫生、生命科学或数据科学等领域的学习与研究打下基础。

• 论文发表机会
• 推荐信机会
• 科研经历

机器学习与分子对接驱动的激酶抑制剂发现

本课程围绕"药物为什么能起效、为什么会失效"这一核心问题，带领学生用可验证、可复现的方式完成一次真正的计算药物发现项目。课程以真实药物靶点（如免疫相关蛋白、激酶或GPCR等）为案例，结合结构生物学、分子对接与机器学习，训练学生从数据与结构出发提出假设、设计计算实验并形成科研表达。课程从科研必备的 Linux 环境与文件管理开始，逐步引导学生学习：如何获取并理解蛋白结构（PDB/AlphaFold）、如何建立"蛋白—小分子"相互作用的直观图景，如何用分子对接完成初步虚拟筛选，再进一步引入机器学习（分类/回归）对候选分子的活性或性质进行预测与排序。学生将在实践中理解结构—活性关系（SAR）与"数据驱动 + 结构驱动"的联合策略，学会用图表和简明逻辑解释"为什么这个分子更可能有效"。课程强调"科研闭环"：不仅给出计算结果，还要求学生把结果转化为可检验的机制假设，并通过可重复的脚本与清晰的记录保证研究可复现。最终，学生将完成一个可展示的成果，获得进入生物信息学、药学、化学、AI+生命科学方向的实战起点。

• 论文发表机会
• 推荐信机会
• 科研经历

基于便携式脑电与 AI 算法的青少年抑郁风险早期预警研究

当前，青少年抑郁风险的早期筛查仍主要依赖主观心理量表（如 CES-D），但此类方法容易受到受试者掩饰倾向、主观偏差及情境因素的影响，在客观性与稳定性方面存在一定局限。针对这一临床与公共卫生领域的现实痛点，本项目拟依托计算机科学、生物医学工程与心理学的交叉研究范式，探索青少年抑郁风险识别的潜在客观神经生物指标。 与传统问卷筛查不同，本项目将采用8通道便携式脑电（EEG）设备采集大脑中枢神经系统活动信号，并结合脑电信号处理与人工智能算法，构建基于前额叶 Alpha 波不对称性（Frontal Alpha Asymmetry, FAA）与 Theta/Alpha 功率比值（Theta/Alpha Ratio, TAR）的抑郁风险辅助识别模型。该项目兼具现实社会价值与交叉研究创新性，是人工智能与脑科学技术应用于精神健康领域的典型研究场景。

• 论文发表机会
• 推荐信机会
• 科研经历

基于面部表情动力学与可解释 AI 的青少年抑郁风险辅助评估研究

青少年抑郁症是当前精神健康领域的重要公共卫生问题。现有筛查方法主要依赖心理量表、临床访谈和主观报告，容易受到掩饰倾向、主观偏差、回忆误差及情境因素影响，在客观性、稳定性和早期识别能力方面存在一定局限。随着人工智能、情绪计算和数字精神病学的发展，基于面部视频的非接触式行为分析正在成为青少年心理健康评估的重要新方向。与传统问卷不同，面部行为数据能够在低压力、低污名化的情境中捕捉青少年自然情绪表达，为抑郁风险识别提供更加客观和动态的行为线索。 本项目拟依托计算机科学、心理学、精神医学、生物医学工程与人工智能交叉研究范式，探索基于正性面部表情动力学的青少年抑郁风险辅助评估模型。项目将以自愿正性面部表情模仿任务或游戏化情绪诱发任务为研究场景，基于面部视频或脱敏后的面部特征数据，提取青少年在正性表情“启动-维持-消退”过程中的动力学指标，并结合机器学习与可解释 AI 方法，构建青少年抑郁风险识别的数字行为标志物体系。本项目关注的核心问题不是简单判断一个人“笑得多不多”，而是分析其微笑从出现、维持到消退的全过程是否存在异常。项目将重点考察起笑潜伏期、启动斜率、AU6/AU12协同、笑容维持时间、非Duchenne笑容比例、消退速率和恢复时间等指标，并尝试形成“启动门控迟滞-表情协同不足-正性情绪维持障碍”的临床语义证据链。 本项目兼具社会价值、学术创新性和科研训练价值，适合希望进入医学人工智能、数字心理健康、情绪计算、临床心理学、生物医学工程和数据科学等方向的优秀学生参与。

• 论文发表机会
• 推荐信机会
• 科研经历

基于单摄像头系统的三维重构

用低成本摄像头和测量物体几何特性进行三维测量

• 论文发表机会
• 推荐信机会
• 科研经历

人工智能驱动的金属3D打印缺陷预测与过程控制研究

研究金属3D打印中缺陷形成的规律，并用机器学习方法提升制造质量和稳定性。

• 论文发表机会
• 推荐信机会
• 科研经历

柔性太阳能器件的大规模制造与性能优化研究

研究柔性太阳能器件如何通过先进制造实现规模化生产，并优化其性能稳定性。

• 论文发表机会
• 推荐信机会
• 科研经历

面向可穿戴电子皮肤的生物质柔性薄膜材料研究

利用可持续生物质材料制备柔性薄膜，探索其在电子皮肤和可穿戴传感器中的应用。

• 论文发表机会
• 推荐信机会
• 科研经历

基于柔性传感器的人体生理参数监测系统研究

开发柔性传感器系统，用于人体心率、压力、运动或呼吸等参数的连续监测。

• 论文发表机会
• 推荐信机会
• 科研经历

面向精准医疗的微型生物传感器与MEMS系统研究

研究微型传感器如何检测人体或生物样本信号，并应用于精准医疗和即时检测。

• 论文发表机会
• 推荐信机会
• 科研经历

Physics-Informed AI在复杂工程系统建模中的应用研究

将物理规律与机器学习结合，建立可解释、可推广的工程系统预测模型。

• 论文发表机会
• 推荐信机会
• 科研经历

面向下一代智能传感器的仿生复合材料设计研究

借鉴生物结构设计轻量、高灵敏、可用于传感器的复合材料。

• 论文发表机会
• 推荐信机会
• 科研经历

AI食品品质检测：基于机器视觉和物理原理的食品检测

基于教授实验室食品检测研究，利用图像、触觉或传感数据识别食品品质异常。

• 论文发表机会
• 推荐信机会
• 科研经历

AI驱动的混合能源系统优化研究

本项目聚焦风、光、储、柴等多种能源协同互补的混合能源系统，运用深度强化学习与多目标优化算法，建立高精度预测与实时调度模型，旨在解决可再生能源波动性强、系统多能互补复杂等难题，显著提升混合能源系统的运行效率、经济性与供电可靠性。

• 论文发表机会
• 推荐信机会
• 科研经历

风光储氢一体化能源系统设计与分析

本项目聚焦高比例可再生能源消纳与多能互补需求，系统构建风电、光伏、电化学储能与制氢/氢储能（Power-to-Gas）耦合的一体化能源系统架构。通过精细化动态建模、容量配置优化与多时间尺度协同运行策略分析，旨在突破新能源波动性抑制与绿氢高效转化的技术瓶颈，为新型电力系统建设提供理论与工程优化方案。

• 论文发表机会
• 推荐信机会
• 科研经历

耗散系统可逆拆分保结构随机积分格式构造

本项目基于可逆拆分技术，构造耗散系统的保结构随机积分格式，旨在精准捕捉系统的长时几何特性与随机演化规律。

• 论文发表机会
• 推荐信机会
• 科研经历

自适应热浴 DPD 聚合物熔体介观高精度仿真

本项目基于自适应热浴策略改善DPD方法，实现聚合物熔体的高精度介观仿真，精准捕获复杂流体的微观结构与流变特性。

• 论文发表机会
• 推荐信机会
• 科研经历

高维贝叶斯采样协方差控制朗之万数值算法

本项目针对高维贝叶斯采样难题，构造基于协方差控制的朗之万数值算法，显著提升采样效率与高维统计推断精度。

• 论文发表机会
• 推荐信机会
• 科研经历

咖啡和茶摄入、痴呆风险与认知功能

本项目通过流行病学与长期队列数据，系统评估日常咖啡与茶的摄入量及组合习惯对人群认知功能演变与痴呆症（如阿尔茨海默病）发生风险的影响，旨在揭示饮食因素在脑健康保护中的作用机制与潜在干预阈值。

• 论文发表机会
• 推荐信机会
• 科研经历

中国老年人主食类型与心血管疾病风险的关系

本项目基于中国老年人群的前瞻性队列数据，系统探讨米饭、面食及杂粮等不同主食摄入模式对心血管疾病（如冠心病、脑卒中）发生风险的长远影响，旨在为制定针对中国老年人的精准膳食指南与慢病预防策略提供科学依据。

• 论文发表机会
• 推荐信机会
• 科研经历

睡眠不规律与2型糖尿病发生的关联

本项目利用前瞻性队列与客观睡眠监测数据，系统分析睡眠时长波动、入睡时间不规律等睡眠模式失衡对2型糖尿病发病风险的影响，旨在揭示昼夜节律紊乱诱发代谢异常的潜在机制，为糖尿病的早期行为干预与生活方式管理提供循证依据。

• 论文发表机会
• 推荐信机会
• 科研经历

基于分子对接的激酶抑制剂结构驱动虚拟筛选

本项目基于分子对接技术，对靶向激酶抑制剂进行结构驱动的虚拟筛选，加速先导化合物的发现与活性优化。

• 论文发表机会
• 推荐信机会
• 科研经历

基于机器学习的分子生物活性预测

本项目应用机器学习算法学习分子表征与定量构效关系，实现分子生物活性的高精度预测与快速评估。

• 论文发表机会
• 推荐信机会
• 科研经历

激酶-配体相互作用的结构分析与结合机制研究

本项目开展激酶与配体相互作用的结构分析，揭示其分子识别与结合机制，为理性药物设计提供理论支撑。

• 论文发表机会
• 推荐信机会
• 科研经历

AI驱动的计算药物设计:基于分子对接和机器学习....

• 论文发表机会
• 推荐信机会
• 科研经历

峰谷电价下混合能源系统经济性研究

本项目围绕峰谷分时电价（TOU）机制，系统评估包含光伏、风电、储能及传统能源的混合能源系统经济可行性。通过构建结合电价波动与负荷特征的多目标优化调度模型，精准量化“削峰填谷”策略下的综合套利空间与投资回报周期，旨在为分布式能源系统的容量配置优化与商业化运营提供量化决策支撑。

• 论文发表机会
• 推荐信机会
• 科研经历

区块链点对点分布式可再生能源交易清算机制

本项目基于区块链技术构建分布式P2P可再生能源交易清算机制，实现去中心化的自动结算与高效协同。

• 论文发表机会
• 推荐信机会
• 科研经历

基于可解释机器学习的电子健康记录疾病风险早期预测

本研究基于EHR数据构建可解释AI疾病预测模型，实现精准预警与个体归因，为临床决策提供透明可信的支撑。

• 论文发表机会
• 推荐信机会
• 科研经历

R 语言与社会科学定量分析：基于公共数据的实证研究

本课程系统培养社会科学领域的定量研究能力，重点教授基于R语言的公共数据集分析方法，涵盖问卷处理、数据清理、回归分析及因子建模等关键技术。课程通过真实科研项目训练学生完成从研究设计到论文撰写的全流程，帮助学生培养具备数据科学素养的社科研究能力，提升在实证研究领域的学术竞争力。

• 论文发表机会
• 推荐信机会
• 科研经历

AI 与计算社会科学

本课程是一门跨学科研究课程，探讨人工智能与大数据技术如何改变社会科学研究方法。学生将学习如何利用文本数据、社交媒体数据及科学计量数据等多种数据来源，分析人类行为、社会结构与社会趋势。课程将介绍计算社会科学与数字人文的核心方法，并通过真实数据案例训练学生将AI工具应用于社会科学研究问题。在课程实践中，学生将掌握从数据获取、清理、分析到模型构建与结果解释的基本研究流程，同时讨论人工智能在社会中的伦理问题，如算法偏见与数据隐私。课程强调科研实践与跨学科思维，帮助学生为未来在社会科学、数据科学或人工智能相关领域的学习与研究打下基础。

• 论文发表机会
• 推荐信机会
• 科研经历

系统综合与元分析方法：基于 R 语言的跨学科定量研究

本课程系统讲授研究综合方法与元分析（Meta-analysis）的核心理论与实践框架，结合 R 语言，带领学生掌握从文献系统检索、研究筛选、数据提取到效应量计算、统计分析与结果可视化的完整科研流程。课程强调循证研究（evidence-based research）理念，适用于教育学、心理学、医学及社会科学等多个领域。通过项目制训练，学生将使用 RevMan 与 R 语言（metafor 等包）开展真实研究，完成一项具有投稿潜力的系统综述或元分析项目，同时接受研究设计、方法选择与学术写作的全面训练。

• 论文发表机会
• 推荐信机会
• 科研经历

生成式AI使用对学生创新表现的影响：学习自我效能的中介作用

本研究基于社会认知理论，探究生成式AI使用对学生创新表现的影响，并验证学习自我效能的中介路径与作用边界。

• 论文发表机会
• 推荐信机会
• 科研经历

谈论心理健康总是有帮助吗？

朋友之间频繁讨论压力、焦虑和负面情绪时，是否能够改善心理健康？还是可能导致共同陷入负面情绪循环（co-rumination）？这种现象在青少年群体中是否更常见？适合方法：问卷调查、访谈研究、文献综述。

• 论文发表机会
• 推荐信机会
• 科研经历

算法推荐是否影响青少年的健康行为？

社交媒体平台推荐的内容是否会影响青少年的饮食选择、运动习惯、睡眠行为和心理健康？不同类型内容（健身、美食、学习、娱乐、美容）是否会产生不同影响？适合方法：问卷调查、内容分析、文献综述。

• 论文发表机会
• 推荐信机会
• 科研经历

气候变化（高温）通过什么机制影响年轻人的心理健康？

在极端天气（热浪）期间，青少年或年轻人的心理健康是否会发生变化？这种影响是否可能通过睡眠质量、日常压力或情绪状态来间接发生？适合方法：问卷调查、内容分析、文献综述。

• 论文发表机会
• 推荐信机会
• 科研经历

基于社交媒体数据与机器学习的公众舆论演化建模研究

本研究基于多源社媒数据，融合NLP与复杂网络模型构建舆情演化机制，为突发事件预警与数字治理提供支撑。

• 论文发表机会
• 推荐信机会
• 科研经历

AI驱动的科学计量分析:科学知识演化与研究网络研究

本研究融合LLM、GNN与NLP构建“语义-网络”双驱动模型，深度挖掘科技文献，为科技决策提供智能支撑。

• 论文发表机会
• 推荐信机会
• 科研经历

AI的算法偏见与公平性:基于社会数据的实证研究

本研究采用交叉学科方法检测社会数据中的算法偏差，构建公平性度量与溯源模型，为可信AI治理提供证据。

• 论文发表机会
• 推荐信机会
• 科研经历

人工智能能预测选举吗?基于数据的政治行为分析

本研究整合多源异构数据，运用机器学习与NLP构建选民行为预测模型，为数字时代政治行为分析提供支撑。

• 论文发表机会
• 推荐信机会
• 科研经历

教育资源分配对学业成就影响的定量分析

本研究基于大样本追踪数据与计量经济学方法，评估教育资源配置现状及学业净效应，为教育均衡发展提供依据。

• 论文发表机会
• 推荐信机会
• 科研经历

AI学习工具对学生学业表现影响的元分析

本研究采用元分析方法，定量评估AI学习工具对学生学业表现的影响及调节变量，为AI教育应用提供高等级证据。

• 论文发表机会
• 推荐信机会
• 科研经历

正念干预对焦虑与抑郁效果的元分析研究

本研究基于PRISMA与元分析定量评估正念干预对焦虑抑郁的疗效及异质性，为临床与数字心理健康提供循证依据。

• 论文发表机会
• 推荐信机会
• 科研经历

远程办公对组织绩效影响的元分析研究

本研究采用元分析评估远程办公对组织绩效的影响及调节机制，为后疫情时代企业构建灵活办公模式提供循证依据。

• 论文发表机会
• 推荐信机会
• 科研经历

社交媒体使用对青少年心理健康的影响研究

本研究基于多波次追踪数据，运用SEM与因果推断探讨社媒使用对青少年心理健康的作用机制，为心理干预提供依据。

• 论文发表机会
• 推荐信机会
• 科研经历

劳动力市场性别工资差距的实证研究

本研究基于微观调查数据与因果推断方法，测度性别工资差距并拆解影响因素，为完善平等就业政策提供依据。

• 论文发表机会
• 推荐信机会
• 科研经历