科研项目
广东省人工智能数理基础重点实验室内部自主研究课题申请指南(2024 年)
广东省人工智能数理基础重点实验室于2023年,经广东省科技厅批准,依托香港中文大学(深圳)立项建设。为发挥实验室的团队优势,在机器学习的数理基础、强化学习的数理基础、偏微分方程理论及在人工智能中的应用等重点科研方向,设置内部自主研究课题,鼓励开展具有原创性的应用基础理论与方法研究。自即日起向实验室固定成员征集研究课题。
重点课题
研究目标:重点课题支持实验室固定人员围绕实验室重点任务,针对有战略意义的、已有较好基础,并可能产生重大成果和重要研究方向的课题,组织团队开展持续深入的系统性基础研究或应用基础研究;通过自主课题的研究,形成具有自主知识产权、对国民经济和相关技术领域发展具有重大影响的标志性成果,争取国家级/省部级科技奖励与项目资助。
申请资格:3-5人团队形式申报,其中课题负责人为实验室固定人员。
培育指标,2024-2025年期间,达成
- 在人工智能、科学计算等领域国内外有影响力的期刊或会议上发表论文至少 6 篇及申请至少2个国内外专利(1个授权);
- 以及下列指标之一:
- 组织申报并获得省部级、国家级科学与科技奖项或以上奖励;
- 组织申报并获得省部级、国家级的重大、重点项目;
- 达成300万以上的企业合作,共建联合研发中心/联合实验室;
- 申请三个或以上国家级项目(至少一个重点、重大级项目);
年限经费:实施年限为 2 年(2024.01-2025.12),经费支持额度为 60-100万元。一般分两批拨付(首期和中期),中期经费的拨付以已完成培育指标中相关任务的情况为考核标准(通常需完成至少1/2的进展或体现出较大概率可以完成培育指标)。
预计支持项目数:2-4项
申请方式:申请人需填报实验室内部自主课题申请书。于2024年2月23日17:00前将申请书邮件发送至省重点实验室办公室电子信箱connieou@cuhk.edu.cn。邮件标题统一以“广东省人工智能数理重点实验室 - 重点课题申请(申请人)”命名。
探索性课题
研究目标:面向领域重要需求,瞄准学科前沿,促进学科发展,激励原始创新。探索性课题支持实验室人员围绕实验室研究方向,针对一些在国内外相关研究领域尚处于初始阶段的基础性研究,开展具有前瞻性、勇于创新的探索性研究,期望通过此类课题的研究,为在一些新兴方向取得突破性进展和持续研究奠定基础。
申请资格:充分了解国内外相关研究领域发展现状与前沿的1-2名人员自由组织申报,其中课题负责人为实验室固定人员。当年度同时申请(参与)重点课题申报与探索课题申报并都获批准的人员只能保留重点课题。
培育指标:积极申报国家自然科学基金项目,2024-2025年期间,至少申请一项国家级基金。同时在人工智能、科学计算等领域国内外有影响力的期刊上发表论文至少 4篇,申请至少 1 个国内外专利。
年限经费:实施年限为 2年(2024.01-2025.12),经费支持额度为10-15万元,经费分两批支付,中期经费的拨付以已完成培育指标中相关任务的情况为考核标准。
预计支持项目数:5-10项
申请方式:申请人需填报实验室内部自主课题申请书。于2024年2月23日17:00前将申请书邮件发送至省重点实验室办公室电子信箱connieou@cuhk.edu.cn。邮件标题统一以”广东省人工智能数理重点实验室 – 探索课题申请(申请人)“命名。
选题范围
研究选题围绕省重点实验室聚焦的方向,研究内容包括但不限于以下内容。
(1)机器学习的数理基础
(1.1)非结构数据的机器学习理论
(a)神经网络的表示能力分析
(b)神经网络的全局收敛分析
(c)神经网络的泛化能力分析
(1.2)图数据的机器学习理论
(a)图神经网络的模型表示理论
(b)图神经网络的模型训练理论
(c)图神经网络的模型泛化理论
(1.3)机器学习模型的大规模训练理论
(a)低通信二阶优化算法设计
(b)通用分布式优化问题算法设计和理论分析
(c)非凸模型的大规模矩阵和张量分解方法研究
(2)强化学习的数理基础
(2.1)强化学习收敛性和鲁棒性
(a)强化学习的统计理论
(b)强化学习的渐近分析理论
(c)强化学习的鲁棒性理论
(2.2)强化学习的自学习方法和理论
(b)强化学习的自学习算法设计
(c)强化学习的自学习理论研究
(2.3)多智能体强化学习技术与理论
(a)去中心化的多智体强化学习算法设计
(b)强化学习的动态策略学习
(c)智体建模和动机预测分析
(3)偏微分方程理论及在人工智能中的应用
(3.1)蕴含偏微分约束优化问题的建模与模拟
(a)基于迭代阈值法的拓扑优化的数学方法
(b)机理与数据驱动的拓扑优化方法
(c)模型与算法的工业应用
(3.2)计算数学与偏微分方程数值解
(a)多频和高频亥姆霍兹方程的快速求解
(b)含带电离子非牛顿流体模型的模型、算法及其应用
(3.3)偏微分方程定性分析
(a)用实效边条件替代薄层里的偏微分方程问题
(b)生物化学膜的相变以及极限模型