1.中心基本信息
中心名称：数据智能研究中心
中心简介：以数据为基石，用智能筑未来
中心合影：
袁野教授指导学生科研
中心毕业生合影
中心成员参加国际会议
2.中心核心成员
中心负责人
袁野，北京理工大学教授、博士生导师、国家杰青和优青基金获得者。主持国家自然基金重点项目，科技部重点研发项目。曾获国家科技进步二等奖，中国电子学会自然一等奖，教育部和辽宁省科技进步一等奖、全国优秀博士论文提名奖、中国计算机学会优秀博士论文奖。袁博士是中国人工智能学会服务专委副主任、中国计算机学会数据库专业委员会副主任、IEEE、ACM高级会员。主要研究方向为人工智能、大数据。发表相关CCF A类论文200余篇。
核心教师成员
张美慧，教授，海外高层次人才，主要研究方向为大数据管理与分析、海量数据集成、新型数据库系统、区块链及人工智能。
周天飞，教授，海外高层次人才，主要研究方向为多模态大模型、AI for Science、计算机视觉等。
罗兆经，教授，海外高层次人才，主要研究方向为大数据分析、人工智能、知识驱动机器/深度学习、模型正则化、大数据分析系统。
李博扬，助理教授，主要研究方向为神经符号数据库、多模态数据智能体、时空数据分析等。
中心学生规模
在站博士后、在读博士和硕士研究生100余名。
3.中心研究方向
[神经符号数据库]
随着人工智能、大数据技术的迅速发展，以ChatGPT为代表的大语言模型和以Deepseek-R1为代表的推理大模型产生巨大影响。ChatGPT对应“卡尼曼双系统”的系统1，是快思考具备实时感知能力；Deepseek-R1对应系统2，是慢思考具有深度推理能力。而高级智能需要二者交互迭代和平衡。神经符号数据库是针对“双系统”构建的数据库，通过融合面向多模数据的神经计算和面向思维数据的符号推理，支撑下一代AI和数据库新范式。本方向从神经符号复杂查询表达、神经符号原生查询优化、近数据计算混合引擎、执行加速的存储结构等方向开展研究，使神经符号数据库能够支撑双系统AI的高效训推。
[多模态大模型]
多模态大模型是通向通用人工智能的核心方向，团队关注多模态大模型的基础理论与关键技术创新，研究内容涵盖新一代大模型架构设计、多模态表征学习、多模态推理、强化学习与自演进机制以及自主智能体系统等，核心目标是构建具备强通用性、自主推理与自演化能力的多模态智能系统，广泛应用于工业、医疗、军事、金融等关键领域。
[AI for Science]
AI for Science是引领科学范式革命、加速人类知识发现与创新的新方向，团队致力于AI4S的基础算法创新与科学场景深度融合，研究内容涵盖科学基础大模型构建、多尺度科学模拟、神经符号融合科学推理、科学数据智能等，核心目标是构建具备自主科学发现能力的新一代智能科研系统，重塑传统研究路径，并推动其在临近空间环境认知、海洋气象预测、新材料设计等关键领域的深度应用。
[可信数据计算]
可信数据计算作为保障数据完整性与可信性的关键技术，旨在通过创新方法提升存储、溯源和事务处理性能。针对防篡改存储效率瓶颈， 研究结构不变可复用索引理论，结合 Merkle 树与跨版本内容分片技术，突破可信存储系统的冗余写入与查询性能局限； 进一步构建细粒度运行时数据溯源框架，通过智能合约依赖链实时捕获机制，实现毫秒级跨版本溯源追踪与多级依赖关系解析；针对可信执行框架下高并发事务冲突难题，研究基于强串行化定理的细粒度事务管理模型，融合依赖图拓扑排序与动态重提交策略，破解事务中止率与吞吐量的矛盾。
4.中心研究成果
在NeurIPS、ICML、KDD、SIGMOD、VLDB等CCF-A类会议和期刊上发表论文200余篇，出版专著2部。获得国家科技进步二等奖、教育部技术发明一等奖、电子学会自然科学一等奖等国家和省部级奖励，以及VLDB青年成就奖、计算机学会青年科学家、ACM杰出科学家、SIGMOD系统奖、SIGMOD研究亮点奖、VLDB最佳论文奖等奖项。谷歌学术总引用数20000余次，论文入选ESI高被引。研究成果服务于一带一路、数字金融、强军工程等国家重大战略，获30多位院士或ACM/IEEE Fellow的正面评价，被纳入多部英文专著和经典教材中，与航天科工集团、中国电科、中国电子、支付宝、网易、阿里巴巴、北京天坛医院等多家大型企业和机构建立了深厚的合作。
[多源异构数据湖管理系统]
研制了多源异构数据湖管理系统，提出了跨模修复与多模融合、蓝光存储与智能调度、批流融合计算与混合查询优化等技术创新，开辟了数据湖“概念-技术-应用” 全链条发展的新途径。成果已应用于“东数西算”、“一带一路”、“数据要素化” 等国家战略工程，服务了“一带一路”14个国家、国内300余个城市，获得国际社会的高度赞扬，为多源异构数据湖创新发展提供中国方案，获国家科技进步二等奖、电子学会科技进步一等奖。
[复杂语义场景下知识图谱系统]
研制了复杂语义数据的时序知识图谱系统—“图立方”，提出了动态融合的全时态“抽-补-存”高阶建模技术、模式解构的多视角“点-线-面”混合查询架构、结构感知的穿透式“连-穿-聚”一体化挖掘范式。成果成功应用于“数字金融”、“普惠金融”与“强军工程”等重大领域，支撑了支付宝(杭州)、众邦银行等单位的关键业务系统，覆盖率全球17亿用户和千万商家，获教育部技术发明一等奖、电子学会自然科学一等奖、日内瓦国际发明金奖和纽伦堡国际发明金奖。
[多方可信数据计算系统]
研制多方可信数据计算系统，提出了基于透明历史操作记录的细粒度数据实时溯源方法, 构建了结构不变可复用的多级可验证索引理论框架，实现了毫秒级跨域数据溯源与多级验证；构建了数据-模型混合并行架构的分布式计算理论框架，提出了基于自适应缓存加速的跨域数据协同分析方法，实现了亿级规模多级关联数据跨域协同分析。研究成果获得了ACM SIGMOD突出研究奖、ACM SIGMOD 系统奖、 VLDB最佳论文奖等，孵化出Apache顶级开源项目并评为全球十五大通用机器学习框架，并被成功应用于网易、阿里巴巴、北京天坛医院的大数据分析平台中。
5.中心文化资源
课题组氛围：自由探索、团结协作、创新求是
本团队致力于营造一个“自由探索、团结协作、创新求是”的科研氛围。我们鼓励学术思想的碰撞，支持具有前瞻性的探索。在每周的组会中，既有严谨的学术讨论，也有轻松开放的头脑风暴。在这里，你不仅是完成一个项目，更是与一群志同道合的伙伴共同成长，在解决前沿科学问题的过程中提升自我。
优势资源
顶尖的科研平台：团队依托人工智能学院一流的教学与研究设施，拥有高性能计算集群（GPU服务器），为大数据处理与复杂模型训练提供强大算力支撑。
前沿的科研项目：团队长期从事国家级、省部级重点科研项目，并与国内外顶尖高校、知名互联网企业及研究机构保持紧密合作，能为研究生提供参与具有重大理论与应用价值课题的机会。
优秀的导师团队：指导教师均毕业于海内外知名学府，具有丰富的理论研究和产业落地经验，能为学生提供从选题、技术路线到论文撰写、职业发展的全方位、精细化指导。
广阔的发展前景：团队毕业生在学术界和工业界均备受青睐，多名成员进入国内外顶尖高校深造，或就职于头部互联网公司、金融机构的核心技术岗位。
招生要求
我们热忱欢迎对数据智能领域有浓厚兴趣、具备扎实基础和探索精神的同学加入，熟练掌握Python/Java/C++等至少一门主流编程语言，拥有良好的数据结构与算法基础，具备良好的数学功底。此外，我们尤为看重学生是否具备强烈的责任心、良好的团队协作精神、主动的学习能力以及迎难而上的科研态度。
6.课题组联系方式
课题组热烈欢迎对数据智能、大模型、大数据分析等领域充满热情的博士后、研究生和本科生（欢迎大二、大三同学申请科研实习）加入！欢迎联系：[liboyang@bit.edu.cn]