Opening

研究团队长期招收本科实习生、硕士/博士研究生、博士后研究员、研发工程师及科研助理。博士研究生最早入学窗口为 2027年春季学期。

研究方向与学科前沿

本研究团队致力于发展工程问题驱动的人工智能方法，探索人工智能、脑机接口与神经影像交叉领域中的数学和工程问题。团队的核心研究方向基于 SPD Matrix Learning（对称正定矩阵学习）。这是一类结合微分几何、优化理论与机器学习的方法体系，用于处理具有结构约束的神经数据表示。相关方法将进一步应用于脑机接口和神经影像分析等领域。在此基础上，团队也将积极探索人工智能与新兴技术的交叉方向。具体研究方向请参阅 Research 页面。

本研究团队拥有广泛的国内外学术与产业合作网络，长期与法国国家信息与自动化研究所、美国斯坦福大学、新加坡南洋理工大学数学系以及国内深科技创业团队保持科研合作，并积极开展国际合作以及产学研协同创新。

就业前景

团队成员将在人工智能与脑机接口交叉领域接受系统的方法学训练，包括数学建模、机器学习、优化理论、神经数据分析以及产学研创新能力培养。 “数学/人工智能/脑机接口领域的方法学训练 × 深圳科技创新生态 × 香港中文大学（深圳）的国际化学术平台” 将为团队成员未来进入高校、科研机构以及科技产业提供发展基础。

理想候选人画像

本研究团队的核心目标是开展具有开拓性和原创性的工程研究，而非对既有方法的简单应用或增量改进。因此，在招收团队成员时，我更重视申请人的数学基础、独立思考能力以及探索未知问题的兴趣。

我们优先欢迎具有扎实定量背景的申请人，包括但不限于：

数学、统计学；物理学；计算机科学；自动化及相关交叉学科。

特别欢迎对以下方向感兴趣的同学：

微分几何与拓扑学；优化理论与人工智能；脑机接口与神经信号分析；智能体；具身智能。

在学术研究上，我的核心知识结构主要集中在微分几何、数学优化以及机器学习三个方向。如果申请人具有其他相关背景，或提出具有创新性的交叉研究问题，我也非常欢迎与相关领域导师开展联合指导，共同探索新的研究方向。

申请方式

欢迎感兴趣的同学发送：

个人完整简历；简短的研究兴趣介绍，以及与团队研究方向的匹配说明；

至我的学校邮箱。

由于个人科研精力有限，我将优先回复研究背景与团队方向高度匹配、并具有较强科研潜力的申请人，并进一步安排交流与面试。

现有团队成员：

Mei Ji (Stanford U), visiting scholar, 08/2026