项目方向门槛
南洋理工大学Rui Tan公开一个2027年秋季入学的四年全资助博士名额，研究神经形态感知下的连续时间模型与具身AI。项目重点是系统研究而非宽泛AI应用，申请者需具备计算机、通信、电子或控制背景，并有数学、物理或系统研究基础。
“一个全奖名额”把窗口写得很清楚，但没有公开具体月津贴、竞争人数和录取概率。NTU Research Scholarship自2026年1月起，对国际博士生的标准为每月S$3,000，最长四年并按年度续期；具体职位是否采用同一标准、是否有项目补贴，必须以正式offer为准。
研究背景与课题组
Rui Tan是南洋理工大学计算与数据科学学院教授，研究AIoT、网络化感知、韧性系统功能和节能信息物理系统。课题组从实验出发，分析物理过程怎样影响传感、通信和计算，并把这些规律用于时间同步、定位、质量检测、数据中心控制和边缘智能。
神经形态感知可以理解为用事件相机等传感器，只在亮度变化时产生数据，而不是固定帧率拍摄。连续时间模型则直接处理事件发生的时间间隔。博士生要同时理解传感器噪声、实时系统、模型结构、硬件资源和评价方法，不能只在离线数据集上训练一个网络。
研究重心
日常工作可能从传感器和系统测量开始：校准事件相机或其他传感器，记录时间戳和功耗，搭建实时数据管线，再设计连续时间模型。实验需要比较精度、延迟、吞吐、能耗和稳定性，并在不同运动、光照、设备和任务下测试。
系统方向最常见的失败是模型离线数字很好，放进真实设备后延迟过高、内存不足或时间戳漂移。另一类问题是训练测试数据来自同一场景，模型记住背景而不是理解动态。博士生需要做设备级分析、跨场景测试、故障注入和长时间运行。
课题组页面还强调系统论文经历。这里并不要求申请者已经发表顶会，但材料应证明会测量、会复现、会分析瓶颈。只写“使用PyTorch训练模型”不够，应说明传感器、数据流、设备、实时约束、基线和失败日志。
代表论文
课题组公开成果涉及物理引导的数据增强、惯性传感预训练、制造质检、数据中心安全控制和移动云推理数据保护。共同特点是把物理环境、传感数据和系统约束放在同一问题中，而不是只追求分类准确率。
读代表论文时，可以按五项做表：物理过程是什么，传感器产生什么误差，系统瓶颈在哪里，方法改变了哪个环节，真实部署怎样验证。面试能指出一个测量风险并提出实验，会比复述模型结构更能证明系统研究能力。
申请准备与文书材料
CV优先写完整系统项目。交代传感器或硬件、数据速率、控制平台、模型和部署环境，列出端到端延迟、功耗或吞吐结果，并说明你排查过的一次同步、驱动、内存或实时性问题。团队项目要明确个人负责模块。
邮件第一段直接说明申请2027秋季和最匹配的系统经历，例如事件相机、机器人感知、嵌入式推理或网络化传感。第二段给出可核验材料：代码、技术报告、演示视频或论文，并写明一个负结果怎样改变了系统设计。
面试还要准备基础问题。连续时间模型需要微分方程、状态空间或时序建模基础，神经形态系统涉及传感器和计算机体系结构。不会的部分可以说明学习计划，但不能用“大模型会自动解决”替代对时序、噪声和部署约束的理解。
研究计划
Research Proposal可以限定一个具身任务和一种传感器，例如事件相机辅助的高速机器人避障，或低功耗设备上的连续动作识别。先写数据怎样产生、系统延迟和功耗约束，再选择模型。不要把事件相机、卫星、无人机、机器人和大模型同时塞进一个题目。
第一年计划可包括复现连续时间基线、完成传感器校准与数据管线、建立实时测试平台、再做模型和硬件协同优化。每一步要有停止标准，例如同步误差、延迟预算和功耗上限。若硬件交付延迟，应准备公开数据和软件仿真替代。
博士未来就业与资助
这种博士形成的能力包括传感系统、嵌入式与边缘计算、实时机器学习、实验测量和系统论文写作，可用于机器人、自动驾驶、工业物联网、智能硬件、芯片与学术研究。课题组页面提到培养独立研究者并有校友进入高校，但公开个体样本不能写成所有人的就业保证。
职位页面写明一个四年全资助博士名额。NTU常规Research Scholarship对国际博士生自2026年1月起为每月S$3,000，奖学金首次授予一年，后续依据进展、学院决定和研究资金续期。正式offer应确认这个项目的月金额、学费、助教要求和停止条件。
在新加坡做硬件与系统研究，还要考虑设备采购、实验空间、GPU或嵌入式平台、会议出行和住宿。全奖解决基本资助，不代表每个设备都能即时获得。申请前要问现有传感器和计算平台、第一年采购计划、数据采集地点和安全审批。
最后用三项判断：现有经历是否证明系统而非单纯模型能力，研究计划能否在一年内完成可测量原型，正式资助是否覆盖四年和学费。能接受大量日志、校准、失败部署和重复测量的人，更适合这个明确但要求很高的名额。
