同学们：
实验室非常欢迎有志于学术研究的博士毕业生申请博士后岗位、以及申请读研或出国的本科生，和对科研有兴趣愿意实习的学生，加入我们的研究团队。
|
基本要求：
- 熟练掌握程序设计语言或深度学习编程，如python，C++，或MATLAB，具有良好的编程能力。
- 掌握线性代数、统计学、机器学习等课程的基本知识，有较好的数学基础（心理学和脑科学方向的可以放宽此要求）。
- 有科研热情，勤于思考，肯在科研上投入时间和精力。
|
科研方向（机器记忆智能）：
- 视频世界模型与抽象-具象协同学习：利用视频世界模型作为高维观测数据的压缩与预测载体，研究"抽象（概念/语义）-具象（感知/物理）"协同学习的机器记忆机制。探究如何在不依赖海量标注数据的前提下，使模型自发形成对物理规律和因果关系的抽象表征。
- 世界模型隐空间物体-动作识别与联想-混沌推理： 基于隐空间动态系统理论，研究跨模态（视觉、语言）的物体识别、动作识别与动作意图推断，并实现"联想-混沌"耦合推理机制。旨在赋予机器在不确定环境下基于有限记忆线索进行创造性推理与决策的能力。
- 具身交互与记忆表征的可解释性推理： 结合计算机图形学与认知神经科学，研究基于"稳态-可塑"吸引子表征的具身交互模型。重点探索智能体如何通过与环境及物体的物理交互，构建并维护具有强可解释性的内部记忆结构，从而突破黑盒推理局限。
- 脑电（EEG）信号解码： 利用脑电分析技术，探索人类在进行复杂记忆提取与推理任务时的神经振荡模式。将神经信号特征映射至机器记忆模型，为机器记忆智能的算法设计提供神经生物学约束与验证依据。
|
我们希望博士后和加入实验室的学生能够独立完成导师给出的科研课题，掌握最前沿的算法，更希望培养学生独立提出问题和把握研究方向的能力。
如果你希望加入我们实验室，请把个人详细简历发到 liuyongjin@tsinghua.edu.cn，简历请列出熟悉的编程语言及过往的项目经历。
|
|
|
回到主页
|