ENGLISH
|
学校主页
学院主页
学院概况
学院简介
现任领导
组织机构
联系方式
师资队伍
教授
副教授
讲师
党委行政
退休职工
科学研究
研究中心
数苑博雅讲座
桂子山境外专家学术论坛
学术报告
学术会议
科研项目
科研论文
本科教学
教学动态
精品课程
教学团队
本科生实习
专业介绍与培养方案
研究生培养
研究生培养动态
研究生专业方向
研究生培养方案
党建园地
党建动态
数院党校
学生工作
学工热点
研究生园地
班团快讯
体坛风云
社团采风
学工制度
合作交流
校友动态
校友动态
人才招聘
师资队伍
教授
副教授
讲师
党委行政
退休职工
副教授
当前位置:
学院主页
>
师资队伍
>
副教授
> 正文
龙旸靖的个人主页
English Version (英文版)
职称
副教授
办公室
国交二号楼405
邮箱
yangjing@mail.ccnu.edu.cn
个人简介
副教授,硕士生导师。湖北嘉鱼人,继2008年在上海交通大学获得数学学士学位后,2014年博士毕业于德国马普应用数学所(Max-Plank Institute),获数学博士学位,之后在上海交通大学和德国Greifswald大学从事博士后工作,2018年春加入华中师范大学。曾多次出访捷克、加拿大、德国、美国等地,和国际上一些活跃的研究组建立了长期合作关系。研究领域为图论、组合数学及其应用,属交叉学科。研究兴趣是用组合学的方法研究有生物、量子信息等应用背景的问题,包括系统发生组合学、图的同态及其相关问题。在国际知名SCI期刊发表学术论文十余篇。 科学网博客:https://blog.sciencenet.cn/u/longyangjing 硕士招生: 欢迎有兴趣的同学报考我的硕士研究生,请通过邮件yangjing@mail.ccnu.edu.cn与我联系。数学基础扎实或有一定的编程基础的同学优先考虑。 本科生科研: 本学期(2021年春)拟开设本科生科研讨论班,研究方向见下面介绍。感兴趣的同学请与我邮件联系。 数模: 本科期间曾获全国大学生数模竞赛二等奖,全美大学生数模竞赛一等奖,欢迎同学们跟我一起玩数模。
开设课程
大模型赋能K12数学教育-----理论、实践与实验(2025秋季) 组合数学 新生研讨课 线性代数A 大学生数学建模竞赛(第三学期)
研究方向
图论与组合数学及其应用;AI for Math/Science
教育经历
2008-2014 德国马克思普朗克应用数学研究所 博士 2004-2008 上海交通大学 数学与应用数学 学士
工作经历
2017.05-2018.02 德国Greifswald大学 博士后研究员 2015-2017 上海交通大学 博士后研究员
研究成果
详情请见 https://gingerlong.github.io/
研究项目
我的研究以图论与组合数学为理论基础,融合人工智能、计算机科学、生物信息学与应用数学,致力于解决生物、光学、量子信息等领域中的关键交叉学科问题。同时,积极探索大语言模型(LLM)在中小学数学教育中的创新应用机制。 目前研究重点正逐步拓展至企业与工程、生物医学、金融等实际场景中的大数据建模与智能优化问题,关注如何将理论方法高效转化为可落地的算法解决方案与AI系统平台,服务于科研转化、产业升级与智能决策。 一、数学基础方向(面向数学背景) 图论与组合数学 主要研究图论与组合数学及其在交叉领域中的应用,具体兴趣包括图同态(Graph Homomorphisms)、系统发生组合学及其相关算法。当前重点问题包括: ● 图同态和图染色 ● 图极限理论(Graph Limits) ● 组合零点定理(Combinatorial Nullstellensatz) 运筹学与离散优化 关注网络结构的优化与性质分析,组合优化方法与算法设计 二、人工智能与理论计算机方向(面向计算机背景) 融合人工智能、理论计算机科学与量子信息,探索基础理论与智能方法的交汇前沿。研究内容包括: AI for Math&Science ● 数学公式表示学习、结构化推理、组合优化问题的神经方法(GNN+SAT) 理论计算机科学 ● 图算法的计算复杂性研究 ● 图同态、图染色的存在性和枚举等问题的复杂性建模与理论分析 量子计算与量子信息 ● 量子图同态与量子组合问题 ● 量子算法 三、生物信息学方向(面向生物背景) 聚焦生物系统中图结构的建模与推理,结合组合数学与计算方法解决复杂生物信息问题。研究内容包括: ● 系统发育树(Phylogenetic Trees) ● 生物网络建模与结构分析 ● 图神经网络(GNN)生物数据中的应用 ● AI for Science:以人工智能助力生物医学发现与建模 四、应用交叉方向(面向工程与实际问题) 拥有超过十五年的应用数学与交叉领域研究经验,致力于推动数学方法在工程与前沿科技中的深度融合。研究内容包括: ● 光学工业软件平台开发与底层算法优化 ● 面向生物与医学的大数据建模与分析 ● 数学模型优化与人工智能算法设计 五、数学教育方向(面向基础教育与教育创新) 聚焦大语言模型(LLM)在K12数学教育中的创新应用,结合国际教育经验与教育技术发展,探索智能教学系统与拔尖创新人才培养的新机制。研究内容包括: ● AI赋能数学教育:研究大模型在中小学数学教学中的角色与功能,包括智能备课、个性化学习路径设计、生成式教学资源、自动答疑系统等。 ● AI学伴系统开发:构建集学习辅导、心理支持和行为干预于一体的AI伴学系统,服务于因心理原因暂时离校的学生,提升教育公平性。 ● 中外数学课程比较研究:对比中外主流K12数学课程体系(如中国课程标准、CCSS、IB Math、Cambridge Math 等),分析其在逻辑结构、知识进阶、建模能力培养等方面的异同。 ● 国际数学竞赛课程与训练体系:基于多年实践经验,设计与研究 AMC、袋鼠数学(Kangaroo)、HiMCM 等国际竞赛的课程体系、训练机制与评估方法。 ● 中学生科研能力培养:推动以图论、组合数学为基础的科研训练,开发适合中学生的科研课题、训练模块与发表通道,实现早期科研启蒙。 ● 师范教育创新实验:结合人工智能与教育理念,推动未来中小学数学教师在“教-学-评-辅”四位一体中的智能工具使用,建立面向教育实战的课程改革与能力模型。 六、结合个人兴趣的相关研究 我对教育、心理学、艺术、社会学与哲学等领域始终保持浓厚兴趣,并尝试将这些人文社会维度融入科研与实践中,探索跨学科的思维路径。例如: ● 教育 ● 心理学与社会学 ● 艺术与哲学:艺术训练与哲学思维深刻影响我的研究方法,同时也在尝试艺术领域的实证探索。 七、团队平台与合作资源 课题组已配备完善的服务器与算力资源,部署了DeepSeek 等先进大模型平台,支持 AI 相关研究、算法训练与科学建模。硬件与算法环境齐备,诚挚期待与各领域研究者、企业、教育组织开展深度合作与联合课题研究。联系方式:yangjing@ccnu.edu.cn (2020.5更新)图论与组合数学及其在生物、量子信息等方面的应用 研究方向: 一、系统发生组合学(phylogenetic combinatorics) 系统发生学(phylogenetics)本是演化生物学的研究分支,其主要探讨的问题是在历史发展过程中生物种系之间的演化关系(比如新冠病毒不同毒株之间的演化关系)。演化生物学的鼻祖达尔文在他的著作《物种起源》中用树状结构来描述各个物种之间可能的亲缘联系和发展演化过程,现代演化生物学家普遍认可达尔文的看法,认为生物的演化过程是树状的。系统发生学的核心问题为如何构造演化树(phylogenetic tree又称进化树、系统发育树) 。 在系统发生学中构建演化树的经典方法一般有两种,一种是树度量法(tree metrics),另一种是最大简约法(maximum parsimony)。除这两种经典方法外,还有一些比较成熟的方法,比如贝叶斯方法等等。然而随着大数据时代的发展,采集到的数据类型多样化,采集数据的难易程度存在差别或者研究的问题不同,现有方法对于某些实际生物数据并不适用,这时候就需要发展出适应相应数据的新的数学模型和方法。系统发生组合学是一门近十几年迅速发展的研究分支,主要用组合数学和图论的方法来构造演化树。 二、图同态(graph homomorphisms) 图论是一门古老的数学分支,主要研究用某种方式联系起来的若干事物之间的二元或多元关系。四色猜想,即地图能被四种颜色染色,是图论中最著名的问题之一,翻译成图论的语言,即平面图能被 4 染色。图同态是图染色的自然推广。 图同态是一个框架,图论中很多概念都可以有图同态的表述方式。 例如,图 G 的顶点染色数可表示为使得 G 到完全图 Kk 存在图同态的最小的 k。如何记 hom(G, H) 为图 G 到图 H 的图同态的个数。当H 为给 K2 的其中一顶点加上自环时, hom(G, H) 是 G 的独立集的个数,hom(Ck, G) 与图的特征值有关,图的奇围长 g 是 Cg 到图 G 有图同态的最小的奇数 g。此外,图的欧拉圈,最大割,Nowhere-zero 流的数目,Tutte 多项式等图的参数也能表示成图同态的形式。 图同态能和很多图论和其他数学分支结合起来,从而产生很多新的研究方向。比如随机游走、谱图论、枚举图论、算法图论、极值图论等等。 本课题组的研究课题主要为图同态的偏序结构、同态存在性和计数问题以及相关的算法问题。研究对象为一些特殊的图同态,比如和生物有关的图关系(graph relation)、和量子信息有关的量子同态(quantum homomorphism)。 课题组研究领域的特色:交叉学科和国际交流。
附件
上一篇:
没有了
下一篇:
安丽想