我的研究聚焦于 AI for Science、Scientific Intelligence、中微子物理与智能科研系统， 探索人工智能如何提升科学发现效率，以及大规模科学实验如何反向促进下一代智能系统的发展。

一、AI for Science 与 Scientific Intelligence

研究机器学习、深度学习和智能体系统在基础科学中的应用，包括科研智能体、研究工作流自动化、 科学知识发现、Agent Harness 与可靠智能系统。

二、Research Agent 与智能科研工作流

探索面向科学研究的 Agent 系统， 研究假设生成、实验设计、证据验证、知识积累与研究流程自动化， 构建支持科学发现的新一代研究智能体。

三、中微子物理与粒子天体物理

参与 Borexino 与 JUNO 等国际大型中微子实验， 研究太阳中微子、反应堆中微子振荡以及中微子性质测量。

四、大规模科学计算与统计推断

研究大规模实验数据分析、高性能计算、GPU 加速、 统计推断与科学数据处理方法， 为复杂科学问题提供可靠计算基础设施。

2015-11--2019-10   意大利格兰萨索科学研究院   天体粒子物理学 理学博士
2012-09--2015-06   武汉大学   理论物理 理学硕士
2008-09--2012-06   武汉大学   物理学基地班 理学学士

2023-02~现在, 中国科学院高能物理研究所, 特聘青年研究员
2019-05~2022-12,美国普林斯顿大学, 博士后研究员

（1）JUNO Solar Oscillation Measurement（under review, 2026）

JUNO 首次高精度太阳中微子振荡测量。

个人贡献：

• 统计分析共同负责人（Analysis Co-convener）
• 主导分析框架设计与结果验证
• 建立半模型无关（semi-model-independent）分析方法
• 主导系统误差评估与 ToyMC 验证体系建设
• 负责关键统计推断方法与结果稳健性研究
• 推动分析从概念验证走向正式物理结果

（2）Experimental evidence of neutrinos produced in the CNO fusion cycle in the Sun

Nature 2020

2020 年国际十大科学发现之一

首次实验验证太阳 CNO 聚变循环产生的中微子。

个人贡献：

• 独立提出并实现关键统计分析算法
• 建立新的背景抑制与信号提取方法
• 将目标信号显著性提升约三个数量级（~1000×）
• 为最终 CNO 信号发现提供核心技术支撑
• 相关方法成为后续分析的重要基础

（3）Comprehensive measurement of pp-chain solar neutrinos

Nature 2018

首次完成太阳 pp-chain 中微子全链条精确测量。

个人贡献：

• 独立设计并实现 GPU 并行统计拟合框架
• 将多参数似然拟合速度提升约三个数量级（~1000×）
• 支撑大规模统计分析与系统误差研究
• 为最终物理结果提供关键计算基础设施
• 相关方法发表于 JINST，并被后续分析广泛采用

主持4项科研项目，累计管理科研经费1000万元，带领多个国际化团队开展粒子物理、科学计算与AI for Science研究。

（ 1 ） 分析软件框架和计算, 负责人, 国家任务, 2024-09--2028-08
（ 2 ） 太阳中微子物理和新型气体探测器研发, 负责人, 中国科学院计划, 2024-01--2026-12
（ 3 ） 中微子物理, 负责人, 国家任务, 2023-10--2028-12
（ 4 ） 基于江门中微子实验研究太阳中微子物理, 负责人, 研究所自主部署, 2023-04--2026-04

（1）JUNO: Review of the First Results   2026-05-10
（2）Solar Neutrino Physics: From Revelations to Precision   2023-10-11
（3）Review of solar neutrino experiments   第21届下一代核子衰变与中微子探测器国际研讨会   Xuefeng Ding   2022-09-28

现指导学生

薛景秦  硕士研究生  070202-粒子物理与原子核物理  

范良前进  硕士研究生  070202-粒子物理与原子核物理  

李典  硕士研究生  070202-粒子物理与原子核物理