翻了一下PLOS Biology在2020年发布的全球学者引用排名，土木工程方向全球第36名，来自澳门大学——不是港大，不是新加坡国立，是澳门大学的阮家榮（Ka-Veng Yuen）。如果你在搜博士申请（PhD application）和结构健康监测（Structural Health Monitoring）方向的导师，这个名字大概率不在你的第一份清单上。
但说实话，看完他的履历之后我们团队内部也讨论了一阵——这位导师的学术量级，放在任何一所TOP 50的土木系都不会违和。
一个人写了一本领域经典教材
阮家榮，澳门大学科技学院土木与环境工程系杰出教授（Distinguished Professor）。本科台湾大学土木工程，硕士香港科技大学，博士加州理工学院（Caltech）——师从结构动力学领域的大牛James L. Beck。2002年加入澳门大学，从助理教授一路做到杰出教授，中间还当过系主任、科技学院副院长及代院长、研究生院院长、教务长，几乎把大学管理岗轮了一遍。
Google Scholar显示他的被引用次数超过11,400次。但真正让圈内人认他的，是2010年由John Wiley & Sons出版的那本独著——《Bayesian Methods for Structural Dynamics and Civil Engineering》。这本书到现在仍然是贝叶斯结构动力学方向的标准参考书。注意是"独著"，不是编著，一个人从头写到尾，这在工科领域极为罕见。
光华奖、全球第4——这些数字意味着什么
2024年，他获得了第15届光华工程科技奖——这是中国工程院设立的工程界最高荣誉之一，当年全国仅41人获此殊荣，而他是唯一来自澳门的学者。根据Web of Science的统计，他在工程领域贝叶斯推断方向的发表数量排名全球第4。
这些数字放在一起看就很有意思了：一个在澳门大学深耕超过20年的学者，学术产出和影响力都做到了全球顶尖水平。但因为学校平台的关注度问题，很多申请者压根不知道他的存在。这本身就是一个很大的信息差。
论文里看得出来：方向在变
阮家榮的经典工作集中在贝叶斯频谱密度法、模态参数识别这些"硬核理论"方向。但翻他2023年之后的论文列表，会发现一个明显的转向——深度学习开始大量出现在他的研究中。
2024-2025年间，他提出了一个叫TBBL（Telescopic Broad Bayesian Learning）的新框架，用来解决传统宽度学习在大数据流中的奇异性问题，并且直接应用到了长期结构健康监测。另一个新方法DR-PDE-Net，把解耦表征学习和物理方程结合起来做动力系统的长期预测。这两个工作的共同特点是：都在用贝叶斯思维重新定义深度学习的不确定性量化。
换句话说，如果你现在套磁还跟他聊经典的贝叶斯频谱密度法，那你展示的知识储备可能停留在他五六年前的兴趣点上了。
沿着这个线索再看他最新的论文——Long-Gauge Strain Wavelet Transmissibility-Guided Uncertainty-Aware Distributed Damage Diagnosis under Moving Loads with Disentangled Representation Learning（Structural Health Monitoring, 2026），标题本身就在说：传递函数+小波变换+不确定性感知+解耦表征学习。这已经不是传统土木人能轻松看懂的论文了。
再往前追一篇，他和团队还做了一个综述——关于智能手机传感技术在结构健康监测中的应用。这个方向很有意思，因为它直接连接了物联网国家重点实验室的平台优势。从智能手机加速度计采集数据，到贝叶斯方法做系统识别，再到深度学习做损伤诊断——这条技术路线串起来了他过去20年的几乎所有核心工作。
他依托的平台：国家重点实验室
澳门大学土木与环境工程系目前有19名全职教员，约270名研究生。阮家榮的课题组隶属于智慧城市物联网国家重点实验室（SKL-IOTSC），这是澳门大学三个国家重点实验室之一。国重实验室意味着经费相对充裕、实验平台完善，而且在国内合作网络上有天然优势。
但老实讲，澳门大学的整体工科体量和港三所、新二所比还是有差距的。选择他的核心理由不是学校的综合排名，而是导师本人的学术水准和平台资源。这一点需要想清楚。
Research Proposal怎么切
推荐方向一：Physics-informed Bayesian deep learning用于桥梁实时损伤诊断。这个方向直接对接他最新的TBBL和DR-PDE-Net工作，时机好的原因是physics-informed machine learning在结构工程领域正处于爆发期，多个顶刊开设了专题。你的proposal里可以聚焦一个具体场景——比如移动荷载下的桥梁分布式损伤识别，引用他2026年Structural Health Monitoring那篇论文作为出发点。
推荐方向二：智能手机传感网络+贝叶斯非参数方法的城市基础设施群监测。这个方向的好处是同时利用了他在贝叶斯非参数方面的经典积累和智慧城市国重平台的硬件条件，proposal里可以突出"低成本、大规模、实时"三个关键词。
推荐方向三：多源异构传感数据的贝叶斯融合框架。把加速度、应变、位移、视觉等多模态数据的不确定性量化做成一个统一框架，这条路线能串联他过去系统识别和可靠性分析两条主线。
避坑提醒：纯经典解析贝叶斯方法的理论推导——他已经做到了极致，新博士生很难在这条路上再走出增量；传统有限元模型更新——虽然他有经典论文，但最新兴趣已不在此；不要把proposal写成环境工程方向——虽然系名里有"环境"，但他本人不做水处理或大气化学。
从领域趋势来看，physics-informed machine learning + 不确定性量化是未来2-3年结构工程最主要的增长点。各国的基础设施老化问题推动了SHM方向的持续投入，而AI方法的引入正在重新定义这个领域的研究范式。阮家榮的转向恰好踩在这个窗口上。
先别急着套磁——门槛在哪
我们内部判断，阮家榮对学生的隐性门槛主要在数学。他的研究核心是概率论和数理统计，从贝叶斯推断到马尔可夫链蒙特卡罗（MCMC），再到现在的深度学习理论，每一步都需要相当扎实的数学功底。如果你本科数学课（概率论、数理统计、随机过程）低于85分，或者没有接触过编程（Python/MATLAB），套磁前可能需要先补一补。
反过来想，如果你数学背景很强、有Bayesian或ML的研究经历，这位导师可能是一个被严重低估的选择。光华奖得主、Caltech博士、独著经典教材、国重实验室平台——而竞争激烈程度远低于港三所的同级别导师。
套磁邮件里最核心的一点：展示你对贝叶斯方法的理解深度。不要只说"我对Bayesian inference感兴趣"，而是具体到你读过他哪篇论文、对哪个方法有想法、打算怎么在此基础上推进。他的论文数学密度很高，能证明你读过且读懂了，这本身就是最好的筛选信号。
