新加坡国立大学博士，中国-新加坡联合国际自然基金首席科学家，IEEE 高级会员，国家级领军人才（原千人）。长期深耕半导体人工智能、深度神经网络、强化学习、多源时序数据分析、边缘云端协同计算，具备十余年国际大型产学研项目牵头经验，前期已经在刻蚀工艺建模、缺陷检测、多源工业数据解析方面完成充分预研，为本项目具身智能、工艺具身智能模型、多源异构数据融合提供直接技术基础。

研究方向：

1、半导体人工智能领域

围绕半导体人工智能开展理论与工程一体化研究，形成面向高风险、小样本复杂制造场景的多源异构数据解析‑小样本建模‑安全智能决策完整技术体系。针对半导体产线数据多模态、噪声干扰强、工艺标记样本稀缺的行业痛点，充分借鉴医疗AI、轨道交通智能检测研究淬炼出的跨模态学习、时序异常分析成熟方法论，建立晶圆缺陷智能溯源、智能量测、虚拟工艺仿真算法体系，支撑多项国际头部半导体企业产学研项目落地，破解传统手段高度依赖人工判读、工艺DoE迭代周期冗长的现实难题。

2、医疗人工智能领域

 面向癌症智能诊疗与生物制药质量管控需求，开展医疗人工智能跨层次算法研究，建立从影像、蛋白组到代谢组的多维度医学数据分析技术体系。针对肝癌临床基因变异检测周期长、采样不全、检出有效性低的行业痛点，开创性提出基于深度学习的医学影像‑肿瘤基因变异关联方法，利用多阶段 CT 图像挖掘影像生物特征，实现 TERT 等关键肝癌基因变异快速预测，将检测周期由传统一个多月压缩至数小时，诊断准确率可达 80% 左右，为肝癌靶向用药提供快速辅助判断手段。围绕蛋白质、代谢物层面肿瘤解析，分别开展大规模蛋白质热消融特性智能分析、肿瘤切面质谱无监督智能分类研究，拓展肿瘤多组学智能化解析技术路径。

3、交通人工智能领域

    面向轨道交通智能运维与流量预测场景，开展交通人工智能算法与系统研究。牵头中新联合国家自然科学基金项目，联合新加坡地铁、中铁广州段、湖南大学超算中心等单位，研发基于图像的列车轨道在线故障智能检测系统。针对轨道巡检依靠人工目视、效率低、漏检风险高的行业痛点，构建面向轨道构件的图像识别与缺陷解析算法，开发列车自动化视觉巡检系统，该成果落地新加坡地铁实际运维场景，显著提升轨道巡检作业效率，形成轨道交通智能检测示范应用。