合肥工业大学时空数据智能实验室

Hefei University of Technology - Spatio-Temporal Intelligence Laboratory

探索时空数据的智能分析与决策 · 推动人工智能与时空计算的深度融合

教师团队

Faculty Members

刘博教授
姓名 刘博 职称 教授
所在单位 计算机与信息学院(人工智能学院)
研究方向 多模态时序预测,联邦大模型,计算机视觉
联系方式 boliu@hfut.edu.cn; 个人主页 →

合肥工业大学计算机与信息学院 (人工智能学院) 教授、博士生导师,入选国家级青年人才。曾先后在三星电子北美研发中心、沃尔玛全球技术中心、京东硅谷研发中心等机构担任资深机器学习工程师。拥有超过十五年在机器学习、大数据、计算机视觉等方向的科研与产业经验。2018 年毕业于美国罗格斯大学,获计算机博士学位。已在人工智能领域发表高水平论文 80 余篇。

武骥副教授
姓名 武骥 职称 副教授
所在单位 汽车与交通工程学院
研究方向 不完备信息环境下复杂系统建模、仿真与控制,数据与知识协同的电池状态估计与失效预警,光储充换检一体化系统能量调度与优化管理
联系方式 wu.ji@hfut.edu.cn 个人主页 →

博士,副教授,博士生导师,智能车辆工程系副主任。中国仿真学会仿真技术应用专业委员会委员。先后承担国家自然科学基金、教育部“春晖计划”等课题;以第一/通讯作者身份在 Cell 旗下期刊、IEEE 汇刊等发表研究论文 40 余篇,谷歌学术引用 4000 余次。入选首批安徽省科协青年科技人才托举计划,World's Top 2% Scientists by Stanford University。

韦炎炎
姓名 韦炎炎 职称 讲师
所在单位 计算机与信息学院(人工智能学院)
研究方向 鲁棒视觉感知与理解,大模型微调及智能体应用,AI+X
联系方式 weiyy@hfut.edu.cn 个人主页 →

讲师,博士/博士后,硕导,ACM/CCF/CSIG/CAAI 会员。研究方向包括:多模态信息增强与理解、大模型及多智能体应用、AI+X。2022 年 12 月获得工学博士学位。目前已发表/接收国内外学术论文 30 余篇,其中 CCF-A 类会议及 IEEE/ACM Trans.期刊等高水平论文 20 余篇,谷歌学术总引用 1000 余次。获 CVPR/IJCAI 等国际竞赛奖励 7 项。

王丽
姓名 王丽 职称 讲师
所在单位 汽车与交通工程学院
研究方向 多源储能的能量管理与智能控制,电池荷电状态(SOC)估计与健康状态(SOH)预测,储能系统电 - 热耦合建模与热 - 功率协同管理
联系方式 wangli@hfut.edu.cn 个人主页 →

硕士生导师,讲师。中国自动化学会系统仿真专业委员会委员,中国仿真学会仿真技术应用专业委员会委员,电气与电子工程师协会会员(IEEE member)。主持国家自然科学青年基金项目、中央高校基础科研校立项目等纵向课题。参与国家重点研发计划课题、安徽省高校协同创新项目等项目。申请、受理专利 15+ 项。发表高水平论文 19 篇(其中 SCI 论文 16 篇,ESI 高被引论文 2 篇)。

代表论文

Selected Representative Papers

Profit-aware battery swapping station energy scheduling via hybrid hierarchical deep reinforcement learning
Transportation Research Part D: Transport and Environment 2026
Sparse-Scale Transformer with Bidirectional Awareness for Time Series Forecasting
AAAI 2026
Multiple In-stance Learning Framework with Masked Hard Instance Mining for Gigapixel Histopathology Image Analysis
International Journal of Computer Vision 2026
Scan-invariant Mamba with Differentiated Sequence Contrastive Learning in Computational Pathology
IEEE Transactions on Medical Imaging 2026
Dynamic mathematical characterization of electro-thermo-mechanical coupling behaviors in lithium-ion batteries
Applied Thermal Engineering 2026
Dual-View Alignment Learning with Hierarchical-Prompt for Class-Imbalance Multi-Label Image Classication
IEEE Transactions on Image Processing 2025
Communication-Efficient and Personalized Federated Foundation Model Fine-Tuning via Tri-Matrix Adaptation
TMM 2025
Deep sub-ensembles meets quantile regression: uncertainty-aware imputation for time series
Machine Learning 2025
Residual Value Evaluation for Power Battery Packs Based on Multilevel Feature Fusion
IEEE/ASME Transactions on Mechatronics 2025
High-Fidelity Stereoscopic Image Rain Removal with Texture Integrity and Disparity Consistency
ICASSP 2025
Retired Lithium-Ion Batteries Screening via Feature Tokeniser-Transformer Considering Data Imbalance
IEEE Transactions on Industrial Informatics 2025
Visual Models and Large Multimodal Models Promote Image Restoration and Enhancement: Research Progress
Journal of Image and Graphics 2025
Capacity estimation of Lithium-ion batteries based on discharge rate compensation model under different discharge ratesS
Journal of Energy Storage 2025
Residual Value Evaluation for Power Battery Packs Based on Multilevel Feature Fusion
IEEE/ASME Transactions on Mechatronics PP(99):1-12 2025

学生团队

Student Members

李永乐
李永乐
刘颖
刘颖
朱文韬
朱文韬
方成
方成
何莲
何莲
侯永翔
侯永翔
柳鸿渐
柳鸿渐
谭长鹏
谭长鹏

研究方向

Research Areas

多模态大模型
1
多模态大模型

多模态大模型旨在构建一种兼具全域感知能力与隐私协同机制的新一代通用智能基座。该方向深度融合了大规模基础模型的表征优势、联邦学习的分布式安全架构以及多模态时序数据的动态演化规律,致力于在数据分散、模态异构及隐私受限的复杂环境下,实现智能系统的认知升级与协同进化。

智能体
2
智能体

智能体旨在构建具备自主感知、逻辑推理与行动执行能力的高阶智能实体。该方向以大模型为“大脑”,深度融合多模态感知技术与联邦协作机制,致力于突破传统人工智能仅能“被动预测”的局限,实现从“认知智能”向“决策智能”的跨越。

鲁棒视觉感知
3
鲁棒视觉感知与理解

聚焦于复杂环境下的鲁棒视觉感知,重点研究图像复原增强和语义信息理解。提升在光照变化、恶劣天气(雨雾雪)和噪声干扰下的稳定性,为自动驾驶提供可靠支撑。

AI 辅助电池智能管理
4
AI 辅助电池智能管理

针对在线、实时的电池监测与控制需求,设计、开发基于嵌入式平台的电池管理系统。依托云平台海量的运行数据,开展电池信息挖掘、退役动力电池分选和二次利用研究。“云 - 端”协同,实现新能源汽车动力系统状态监控。

AI 辅助储能调度与优化
5
AI 辅助储能调度与优化

利用人工智能技术赋能能源系统,构建高效、安全、自适应的智慧能源管理体系。该方向聚焦于复杂能源场景下的决策优化与状态感知,致力于突破传统物理模型在非线性、强耦合及极端环境下的性能瓶颈,实现能源流与信息流的深度融合。

AI 辅助动力系统状态估计
6
AI 辅助动力系统状态估计

面向新能源车辆与混合储能系统(HESS),以“机理建模 + 数据驱动 + 智能优化控制”为主线:围绕电池/超级电容等多源储能的能量管理与智能控制,研究自适应 MPC、动态规划与强化学习等在线功率分配与约束优化。

合作单位

Our Partners