导师简介
如果你想申请香港大学 建筑学系博士，那今天这期文章解析可能对你有用！今天Mason学长为大家详细解析香港大学的Prof. CHEUNG的研究领域和代表文章，同时，我们也推出了新的内容“科研想法&开题立意”，为同学们的科研规划提供一些参考，并且会对如何申请该导师提出实用的建议！方便大家进行套磁！后续我们也将陆续解析其他大学和专业的导师，欢迎大家关注！
Dr. Joseph S.H. CHEUNG 现任香港大学结构工程副教授，拥有深厚的学术积淀。其教育经历贯穿港、美顶尖院校，先后获得香港科技大学的BEng(一级荣誉) 和MPhil学位，最终于加州理工学院取得PhD学位，跨地域的学术训练为其研究奠定了多元视角。
教授的研究方向聚焦多领域交叉，核心涵盖自然灾害下结构与基础设施系统的灾害风险、可靠性与韧性，结构动力学、地震工程，以及人工智能、数字孪生等前沿技术在工程领域的应用。
研究分析
（一）代表性论文解析
- 2025 年发表的Transfer learning enhanced heat transfer neural operators (HTNO) for efficient thermal analysis in concrete structures将迁移学习与神经算子结合，解决混凝土结构热分析效率问题；
- 2024年发表的Advanced classification of drill core rock type and weathering grade using detection transformer-based artificial intelligence techniques借助检测 transformer 技术实现岩芯类型与风化等级的精准分类，体现 AI 技术在岩土工程检测中的创新应用；
- 2023 年的Digital-twin-controlled ventilation将数字孪生技术应用于室内传染病传播防控，拓展了结构韧性研究的应用场景。
（二）代表性研究项目解析
- Future Resilient Systems FRS II：由新加坡National Research Foundation 资助，聚焦 cyber-physical systems 与数字孪生驱动的能源系统韧性研究。该项目贴合全球基础设施韧性提升的核心需求，将数字孪生技术与能源系统结合，旨在提升能源设施应对灾害的实时响应能力，研究成果具有重要的工程应用价值。
- Structural performance of HDB buildings：受新加坡 Housing & Development Board 资助针对组屋建筑的结构性能开展研究。新加坡组屋作为大规模保障性住房，其结构安全性与耐久性直接关系民生，项目研究成果可为热带地区高密度住宅的结构设计与维护提供技术支撑。
研究想法
- 迁移学习增强的气候变化下混凝土结构长期热性能预测：结合教授HTNO 研究与 climate change impact studies 方向，引入气候变化场景数据（如极端温度、降水变化），优化迁移学习模型，实现不同气候情景下混凝土结构全生命周期热性能的高效预测，为低碳建筑结构设计提供技术支撑。当前全球“双碳”目标推进下，再生混凝土等低碳材料应用日益广泛，可进一步拓展模型至全再生混凝土结构的热性能评估。
- 数字孪生与 IoT 融合的近海结构台风灾害实时预警系统：基于教授 offshore engineering 与 cyber-physical system 研究基础，构建近海结构的数字孪生模型，整合 IoT 传感器实时采集的风速、波浪、结构振动数据，结合极端事件模拟算法，实现台风灾害下近海结构损伤的提前预警与韧性调控，填补近海结构灾害实时响应研究的空白。
- 基于 detection transformer 的灾害后岩土工程结构快速检测系统：拓展教授岩芯分类研究成果，开发适用于地震、滑坡等灾害后的岩土结构现场检测设备，通过检测 transformer 技术快速识别岩土体破损程度与稳定性等级，结合无人机航拍数据构建全域检测网络，提升灾害应急处置的效率与精准度。
申请建议
（一）基础条件准备
- 学历与成绩：需具备荣誉学士学位及硕士学位（或同等学历），硕士阶段建议优等毕业，GPA 不低于 3.3。本科或硕士专业需为结构工程、土木工程、岩土工程等相关领域。
- 语言要求：雅思总分不低于 6.5，各分项不低于 6；或托福不低于 85。
（二）专业能力提升
- 核心知识储备：系统掌握 Structural dynamics、Earthquake engineering、computational stochastic dynamics 等核心理论，熟悉可靠性分析、不确定性量化等研究方法。同时需补充 AI、机器学习基础，了解 neural operator、detection transformer 等前沿技术的基本原理。
- 软件技能掌握：熟练使用结构工程数值模拟软件（如 Abaqus、ANSYS），掌握 Python 编程语言及机器学习框架（如 TensorFlow、PyTorch），具备数据处理与模型训练能力。
（三）科研经历准备
- 优先参与与教授研究方向相关的科研项目，如结构健康监测、AI 辅助工程检测、灾害结构韧性评估等。若缺乏相关项目经历，可通过自主开展小型研究课题补充，例如利用 Python 实现简单的结构振动数据处理，或基于公开数据集探索 AI 技术在材料分类中的应用，形成完整的研究报告，展现科研潜力。
博士背景
Bridge，985土木工程学院博士生，专注于桥梁工程和抗震结构设计研究。擅长运用高性能计算和人工智能技术，探索新型材料和结构在桥梁工程中的应用。在研究大跨度悬索桥抗风性能优化方面取得重要突破。曾获国家奖学金和中国土木工程学会优秀青年工程师奖。研究成果发表于《Journal of Structural Engineering》和《Engineering Structures》等顶级期刊。
