爱丁堡大学信息学院博士招生(何凤翔教授)

一、爱丁堡大学信息学院

爱丁堡大学信息学院是世界一流的信息科学研究机构，由计算机科学系、人工智能系、认知科学系合并而成，是欧洲最大的信息学研究中心。学院在2001年和2008年英国高等教育委员会学术研究考核中全英排名第一，居于剑桥、牛津和帝国理工等顶尖学府之上。学院坐落于爱丁堡大学老校区，学术环境机构，经常有世界各地的顶尖学者来访进行学术交流，为博士生提供了绝佳的国际化学术平台。

作为全世界最早开展人工智能研究和教学的学术机构之一，函数式语言SML和人工智能程序语言Prolog都诞生于此。学院在计算机程序语言、算法、计算机理论、人工智能、自然语言处理、数据库等多个领域位于世界领先地位，拥有众多世界知名学者和ACM Fellow。

二、招生信息

导师介绍

何凤翔博士现任爱丁堡大学信息学院讲师，隶属于人工智能及其应用研究所，同时是爱丁堡生成式AI实验室研究员、自适应与神经计算研究所成员。在加入爱丁堡大学之前，他曾担任京东集团可信AI项目创始负责人。

何教授拥有深厚的学术背景，本科毕业于中国科学技术大学统计学专业，在悉尼大学获得计算机科学硕士和博士学位。他目前担任ICML、NeurIPS、UAI、AISTATS、ECAI、ACML等顶级会议的区域主席，以及IEEE Transactions on Technology and Society期刊副编辑。

研究方向

何教授的研究重点集中在可信人工智能领域，具体包括：

核心理论研究：

·深度学习理论与可解释性

·强化学习理论基础

·分散式学习算法

·机器学习中的对称性问题

跨学科应用：

·算法博弈论及其在经济学中的应用

·拍卖机制设计

·投票系统优化

·资源分配算法

前沿技术：

·机器学习隐私保护

·公平性算法设计

·可信AI系统构建

团队实力

何教授团队近期在顶级会议和期刊发表了多篇高影响力论文，包括ICLR 2025的分散式学习数据影响研究、IEEE TPAMI的非凸多人博弈全局纳什均衡理论、以及在基金会模型民主化方面的开创性工作。

团队目前拥有多名博士生和研究助理，研究氛围活跃，国际合作频繁。学生有机会参与前沿科研项目，在国际顶级会议发表论文，并与产业界建立密切联系。

招生条件

学术要求：

·获得相关学科优秀本科学位（一等荣誉学位或国际同等学历）和/或硕士学位

·专业背景包括数学、统计学、经济学、计算机科学或相关学科

核心能力：

·强大的数学基础，特别是分析学、代数、几何、微分方程、概率论和统计学

·数学竞赛获奖者优先考虑

·英语读写流利

加分项：

·机器学习、统计学等相关研究经验

·Python、PyTorch、TensorFlow等编程技能

资助情况：提供全额奖学金资助，涵盖学费和生活费，为期三至四年。

三、Mason博士有想法

基于何凤翔教授的研究领域和当前AI发展趋势，以下是几个具有前瞻性的创新研究计划：

研究计划一：多智能体强化学习中的公平性机制设计

核心创新：将算法博弈论与强化学习深度融合，开发既能保证学习效率又能维护智能体间公平性的新型算法框架。

具体方向：

·设计考虑公平性约束的多智能体Q-learning算法

·建立分布式环境下的公平性度量标准

·探索在资源有限情况下的最优分配策略

应用前景：可应用于自动驾驶车队协调、智能电网负载均衡、金融市场做市商策略等实际场景。

研究计划二：基于因果推理的可解释深度学习

核心创新：结合因果推理理论与深度学习可解释性研究，构建能够识别真实因果关系而非仅仅相关性的神经网络模型。

技术路径：

·开发融入因果图结构的神经网络架构

·设计基于反事实推理的模型解释方法

·建立因果发现与深度表征学习的统一框架

突破意义：有望解决当前AI系统"黑盒"问题，为关键决策场景提供可信的AI解决方案。

研究计划三：隐私保护的联邦拍卖机制

创新思路：在分散式学习框架下设计新型拍卖机制，既能实现高效的资源配置，又能保护参与者的隐私信息。

研究内容：

·开发基于同态加密的私密出价协议

·设计激励相容的联邦学习参与机制

·构建抗共谋攻击的分布式拍卖系统

应用价值：为数据市场、计算资源交易、分布式AI服务等新兴领域提供理论基础和技术支撑。

研究计划四：对称性约束下的神经网络架构搜索

核心洞察：利用物理系统和数学结构中的对称性原理，设计更加高效和泛化能力更强的神经网络自动搜索算法。

技术创新：

·将群论中的对称性概念融入架构搜索空间

·开发对称性感知的进化算法

·建立对称性与泛化性能的理论联系

预期贡献：显著减少神经架构搜索的计算开销，提升模型在小样本场景下的性能表现。