研究方向：
1）大模型技術(shù)
研究和探索大模型相關(guān)理論、方法和新興技術(shù)包括但不限于大模型預訓練、針對行業(yè)模型的后訓練以及模型推理階段的關(guān)聯(lián)技術(shù)和創(chuàng)新方法如并行計算、持續(xù)學習、強化學習、蒸餾學習.多模態(tài)對齊和融合、參數(shù)高效微調(diào)、模型壓縮、檢索增強、智能體、思維鏈蒸餾、長上下文學習等:研究大模型應用的創(chuàng)新方法和關(guān)鍵技術(shù)，及其在自然語言處理、語音信號處理、多模態(tài)信息處理等領(lǐng)域的應用示范。
2）人工智能與遙感數(shù)據(jù)交叉方向
以人工智能和數(shù)據(jù)科學相關(guān)技術(shù)為基礎(chǔ)，面向時空觀測科學需求，開展多模態(tài)數(shù)據(jù)治理與高質(zhì)量數(shù)據(jù)集構(gòu)建，研究方向包括但不限于大尺度上多模態(tài)數(shù)據(jù)的時空對齊、時空遷移、序列趨勢分析、語義分割、變化檢測以及場景模擬、基礎(chǔ)模型和智能體等。
3）行業(yè)大模型與數(shù)據(jù)智能
研究面向水利、工業(yè)等領(lǐng)域的行業(yè)大模型訓練與智能體構(gòu)建技術(shù)，重點突破多模態(tài)數(shù)據(jù)(文本/圖像/視頻/三維場景)的智能感知、建模與生成等核心問題。結(jié)合智能可視計算與數(shù)據(jù)生成技術(shù)，構(gòu)建面向重大應用場景的行業(yè)數(shù)據(jù)智能平臺。
4）智能科學計算方法
研究面向?qū)W科場景的智能數(shù)據(jù)分析與計算方法，融合機器學習、因果學習、統(tǒng)計推斷、知識引導及信息論等技術(shù)，構(gòu)建穩(wěn)健、可控、可解釋、適配學科特殊性的智能算法，解決交叉學科中的重要前沿科學問題。
5）多模態(tài)數(shù)據(jù)表征與智能處理
聚焦多模態(tài)數(shù)據(jù)的高效表征與智能處理，重點研究以下方向
5.1多模態(tài)數(shù)據(jù)壓縮
包括三維點云、圖像、視頻、文本及模型等數(shù)據(jù)的壓縮方法
5.2數(shù)據(jù)質(zhì)量評價與智能分析
構(gòu)建客觀評價體系結(jié)合深度學習實現(xiàn)自動化質(zhì)量評估
5.3分布式大規(guī)模數(shù)據(jù)表征與處理
面向海量數(shù)據(jù)的存儲、計算與傳輸優(yōu)化
5.4新一代存儲與傳輸?shù)臄?shù)據(jù)表征技術(shù)
研究高效、低冗余的數(shù)據(jù)編碼與傳輸方法

詳見公告正文