馬嘉澤助理教授官方主页同时列出博士生和全年研究助理机会，方向包括贝叶斯优化、绿色氢能与电池管理控制、大规模储能分布式优化，以及数据中心与电网协同。
这项机会适合希望进入大规模优化算法与软件、绿色能源系统预测控制或能源协同与智能传感的申请者。真正重要的不是堆叠术语，而是把研究对象、数据如何产生、本人能够完成的方法和首年可交付工作写清楚。
01｜本期招募简介
馬嘉澤助理教授官方主页同时列出博士生和全年研究助理机会，方向包括贝叶斯优化、绿色氢能与电池管理控制、大规模储能分布式优化，以及数据中心与电网协同。
教师主页标注2026/2027学年春秋博士机会；研究生院既有2026/27 HKPFS截止日已经过去，不能顺延为下一轮。申请者应先确认批次和名额，RA与博士也没有公开自动转换机制。 申请者应先核对项目要求，再准备CV、研究兴趣说明、成绩材料和代表性成果；没有官方依据的信息不应写成确定承诺。
02｜导师与课题组
馬嘉澤现任香港城市大学系统工程学系助理教授，研究覆盖优化算法与软件、能源与过程系统、智能传感机器学习。公开成果涉及灵活电解、电力市场、绿色合成与大规模供应链求解。
从申请策略看，导师主页上的研究方向必须与申请者自己的证据逐项对应。最有效的材料会说明过去项目解决了什么问题、本人承担什么角色、使用了哪些数据和方法、结果如何验证，以及这些经验为什么能进入本期项目，而不是只强调学校排名或个人热情。
03｜核心研究方向
第1，大规模优化算法与软件。研究如何利用图结构、分解方法、ADMM、GPU和贝叶斯优化求解复杂工业与能源问题。可使用的方法包括数学建模、算法分析、并行计算、软件实现和规模实验。申请者需要同时说明测量或模型的有效性、可能的混杂和失败条件，避免把相关性、预测准确率或一次实验直接写成机制结论。
第2，绿色能源系统预测控制。研究绿色氢能、电池管理、换电站和绿色燃料合成中的动态决策。可使用的方法包括模型预测控制、动态模型、不确定性、设备约束、电价和安全指标。申请者需要同时说明测量或模型的有效性、可能的混杂和失败条件，避免把相关性、预测准确率或一次实验直接写成机制结论。
第3，能源协同与智能传感。研究储能单元协调、数据中心与电网协同，以及机器学习传感器的成本和精度。可使用的方法包括分布式优化、图模型、时空调度、传感标定和部署评估。申请者需要同时说明测量或模型的有效性、可能的混杂和失败条件，避免把相关性、预测准确率或一次实验直接写成机制结论。
04｜哪些背景更适合
化工系统工程背景可以带来流程建模、物性约束和过程优化；与本期导师匹配时，还需要补足现代控制、数值算法和高性能计算。材料中应给出一个真实项目作为证据，并准确区分课程练习、团队协作和本人独立贡献。
自动化、控制或电气工程背景可以带来动态系统、模型预测控制和储能管理；与本期导师匹配时，还需要补足电解与化工过程的机理约束。材料中应给出一个真实项目作为证据，并准确区分课程练习、团队协作和本人独立贡献。
工业工程、运筹学或应用数学背景可以带来大规模优化、调度和算法分析；与本期导师匹配时，还需要补足真实系统数据、非凸性与计算规模。材料中应给出一个真实项目作为证据，并准确区分课程练习、团队协作和本人独立贡献。
计算机、数据科学或机器学习背景可以带来算法软件、GPU实现和传感模型；与本期导师匹配时，还需要补足优化理论、能源系统与模型可解释性。材料中应给出一个真实项目作为证据，并准确区分课程练习、团队协作和本人独立贡献。
能源、环境或可持续工程背景可以带来绿色能源场景和系统边界理解；与本期导师匹配时，还需要补足定量建模、严谨基线和可复现代码。材料中应给出一个真实项目作为证据，并准确区分课程练习、团队协作和本人独立贡献。
05｜套磁信怎么写
博士邮件只选择一个方向，例如绿色氢能的贝叶斯优化或安全预测控制；RA邮件要明确申请类别和可到岗时间。正文连接灵活电解与电力市场研究，写清自己的模型规模、求解器、基线、代码和结果。
邮件开头用两三句说明学历、拟申请批次和最强研究证据，随后只选择一个明确问题展开。不要使用“您的研究与我高度匹配”这类空泛表达，而应引用导师公开项目、研究对象或方法中的至少两项，再说明自己的数据、代码、实验、现场资源或论文如何形成可合作的起点。
结尾明确请求导师判断题目是否适合当前指导或岗位范围，并附学术CV、精简研究构思、成绩材料和代表成果链接。博士与RA若同时存在，必须分别写清申请类别，不把RA描述成自动转博通道，也不在首封邮件要求录取或资助保证。
06｜简历怎么改
项目按“系统问题—数学模型—本人算法—数据与软件—结果—限制”描述，量化变量、约束、求解时间、提升幅度、硬件环境和停止条件；商业求解器、团队仓库和GPU实验都要给出可复现信息。
推荐顺序为“研究兴趣—最相关研究经历—方法与数据—成果—教育与工作经历”。每段经历使用“问题—本人角色—数据或样本—方法—结果—限制—与导师方向的连接”结构，量化样本、变量、设备、模型、计算成本、误差或产出状态，让导师可以快速核验匹配度。
论文、预印本、代码、作品或数据报告必须准确标注状态并附链接。课程列表、普通软件技能、无关活动和重复描述可以压缩。没有完成的技能写为正在学习，团队项目写清本人维护的模块和复现步骤；任何无法核验的成果都不应夸大。
优化与控制项目应报告软件版本、求解器参数、硬件环境、终止条件、随机种子和失败算例。若结果只来自教学规模或模拟场景，需要诚实说明规模上限，并安排更大网络、更多扰动和不同参数下的压力测试。
07｜研究计划选题
以下为基于公开研究方向提出的申请构思，不代表导师已设定题目或承诺指导。
选题1｜绿色氢能的多保真贝叶斯优化与安全预测控制。核心问题是：当高精度流程模拟或实验成本很高时，如何组合简化模型、历史数据和少量高精度评估。创新点在于把多保真代理模型、机理约束、闭环安全指标和模型预测控制连接起来，而不是只寻找离线最优点。可行路径是使用公开电价、可再生能源序列和可复现电解模型，比较随机搜索、单保真与多保真基线。第一阶段应形成明确的数据字典、分析计划、基线或试点结果。风险边界是模型偏差可能使代理模型过度自信，需要不确定性校准、约束违反统计和安全探索边界。
选题2｜数据中心与电网协同中的分布式储能调度。核心问题是：多个数据中心、储能单元和电网节点如何在隐私、通信延迟与局部信息下协同。创新点在于把计算任务迁移、网络位置、储能退化和通信成本统一纳入分布式优化。可行路径是基于公开电网测试系统、负荷和电价序列，用ADMM或图分解建立集中式与分布式基线。第一阶段应形成明确的数据字典、分析计划、基线或试点结果。风险边界是公开负荷与真实运营存在差距，应把结论限定为算法性能，并进行规模和参数压力测试。
第一题适合化工过程、控制和贝叶斯优化背景，实验路径较集中；第二题适合运筹、能源系统和分布式算法背景，系统价值更广，但数据假设更多。 选择时应以现有技能和公开可获得的数据、样本或方法为准，不把未公开的课题组资源写成必然条件。
