新加坡国立大学计算学院的嵌入式计算实验室（Embedded Computing Lab）由 Tulika Mitra 教授带领，其公开招募信息涉及绿色人工智能与物联网边缘计算项目，并明确欢迎博士研究生加入。该实验室的研究重点并非将硬件性能视为单一跑分指标，而是关注处理器、编译器与操作系统之间如何形成可持续、可验证的系统方案。因此，申请者需要理解系统层面的约束，而非仅准备孤立的软件模型。
在计算机体系结构研究中，一个算法在个人电脑上看似高效，部署到资源有限的加速器时可能因访存、通信或功耗问题而变得不合适。博士训练会不断要求研究者追踪瓶颈位置，并用测量与分析解释改进究竟来自计算资源、内存层次还是编译策略。实验室列出的可重构架构、异构计算和调度研究，均围绕这类可反复验证的实际问题展开。
Tulika Mitra 教授同时在学校承担学术管理职责，团队公开了研究人员与在读博士的研究兴趣。对初次申请系统方向的人而言，读取团队成员正在处理的具体问题十分重要。论文题目相似不代表所需技能相同：涉及 FPGA 的课题强调硬件设计与实验复现，涉及编译优化的课题则更重视程序分析、运行时调度和性能模型。
招生机制与研究奖学金
实验室公开了博士、研究人员和研究助理的招募需求，但进入博士项目需经过新加坡国立大学相应院系的正式招生流程。导师对课题的兴趣不自动等于学位项目录取，亦不能替代奖学金审核。准备材料时，应明确打算通过哪个博士项目申请，并确认该项目接受怎样的本科或研究经历。
关于研究奖学金，学校设有针对优秀博士生的资助计划，通常包含学费减免和生活津贴，具体金额、资助期限及资格考后的调整政策需以录取通知书及当期官方公告为准。国际获奖学生通常须履行相应研究生助教或助研工作要求；学习者应了解奖学金续期、研究进展评估和教学研究任务可能怎样影响实验周期。实验室项目多涉及硬件与系统平台建设，实验设备、代码仓库和结果复现实验需要持续投入，这些工作本身也是训练的一部分。
系统论文阅读与研究方法
实验室公开的近期成果出现在计算机体系结构、嵌入式系统和设计自动化相关会议。阅读这些论文时，可采用一套较严谨的框架：先找到作者提出的系统瓶颈，再理解硬件模型及工作负载的假设，最后核对性能、能耗与可移植性是否都被测量。只关注摘要中的“速度提升”可能忽略基线是否公平、实现是否可复现。
对于希望进入绿色人工智能方向的申请者，证明自己会使用深度学习框架只是起点。更直接的研究证据是能够分析计算图、显存占用和数据传输，并展示对比实验。对于边缘计算方向，测试设备受限、资源分配和时延稳定性同样关键。若有嵌入式开发经历，建议呈现真实测量过程，包括使用什么硬件、遇到哪些非预期现象以及最终如何排除错误。
团队成员的公开介绍涉及可重构处理器、加速器和编译优化。申请人可以按照其中一条主线准备两份证据：一份能够完整重现的技术项目，另一份较短的研究问题陈述。技术项目证明实现能力，研究陈述则说明申请人知道为什么这个问题没有被现有系统充分解决。
系统研究还有一项经常被忽略的训练：判断哪一个实验结论可以外推。假设新的加速器在固定算子上减少了延迟，博士生还需要解释真实应用的算子分布是否相同，以及数据传输、内存占用和功耗是否在其他设备上同样成立。对可重构架构而言，设计空间搜索本身也消耗资源；因此高质量论文必须同时报告设计所需成本、最坏场景和结果的稳定性。研究者掌握这些判断后，才能从复现工作进入独立提出系统问题的阶段。
申请材料所体现的培养潜力
系统方向博士并非只招传统计算机体系结构专业的学生。电子工程、计算机科学或有复杂系统建模背景的申请人，都可能拥有相应基础，但需要解释能力与研究课题之间的连接。简历建议把硬件描述语言、编译器、操作系统、实验自动化和统计评估的实际工作分开写，避免出现一长串无法对应具体成果的技术标签。
研究陈述可提出一个细小的问题，例如在算力与功耗受约束时如何选择合理的加速策略，或者如何评价新的异构调度方式。最有价值的是说明你会采集哪些指标、对照基线是什么、实验可能受到什么硬件噪声影响。若过去参与过跨学科协作，则可以具体说明如何与算法或硬件研究者分工，这有助于展示博士阶段长期合作的能力。
最终的奖学金政策细节及录取条件应以官方发出的正式通知为准，而研究计划需要独立证明候选人具备承担该领域长期科研训练的能力。
