智能理论与前沿交叉

致力于机器学习（包括深度学习）、数据挖掘、大数据管理与分析的理论与应用以及生物信息学、金融信息处理和社会智能等的交叉研究。团队有国家级人才2人，省部级人才1人。近五年承担国家级科研项目（包括国家重点研发计划课题、国家自然科学基金重点项目和面上项目）和省部级科研项目等20余项，成果发表于包括Cell,    Nature Communications和JMLR, IEEE TPAMI等国际期刊和ICML,    NeurIPS等国际会议。获教育部自然科学奖二等奖、山东省科技进步二等奖、吴文俊人工智能科学技术奖、科普图书金奖、国际机器学习大会ICML 2018最佳论文亚军（runner up）、PODS    2022时间检验奖、IEEE国际生物信息学和生物医学会议（BIBM 2018, 2019）最佳学生论文奖等。

代表性成果：面向生物组学数据的计算预测方法

   生物大数据和人工智能的发展，为基于大数据的生物预测创造了条件。团队围绕基因组、转录组和蛋白质组以及相互作用数据，对生物信息学中的诸多预测问题开展了深入研究，开发了一系列高效的预测方法/算法，提升了现有方法/算法的预测性能/效率，在国内外学术界产生了重要的影响。主要成果发表于NC,NAR, BIB和GPB等期刊和RECOMB和ISMB等会议，获教育部自然科学二等奖。