MEL简介About
机器进化与学习实验室隶属厦门大学信息学院。实验室研究机器如何在复杂、变化的环境中搜索、适应和学习，方向包括演化计算与学习驱动的优化、AI for Science、大规模近邻搜索与视觉检索，以及自然语言处理与舆情分析。
实验室现有教师五人。成员在 NeurIPS、ICLR、AAAI、SIGIR、ICDE、ACM Multimedia 及 IEEE TPAMI、IEEE TEVC 等会议和期刊发表论文，并担任 IEEE Computational Intelligence Magazine 主编、IEEE Transactions on Evolutionary Computation 编委等学术职务。
研究方向Research
- 学习驱动的演化优化将迁移学习、预训练和大语言模型引入演化搜索，求解动态、多目标、大规模和双层优化问题。江敏 · 王贞众
- AI for Science神经算子、物理嵌入网络与符号回归，用于多物理场仿真、偏微分方程求解、分子与材料发现。江敏 · 王贞众
- 大规模近邻搜索与视觉检索k-NN 图构建、近邻搜索、聚类与视觉实例检索，以及海量数据的高效索引。赵万磊
- 自然语言处理与舆情分析文本理解与分析方法，以及网络舆情的监测、分析与研判。林达真 · 曹冬林
成员People
近期动态News
- 20261 篇论文被 NeurIPS 2026 录用，1 篇被 ICLR 2026 录用。
- 2026赵万磊团队关于分布式大规模 k-NN 图构建的论文被 ICDE 2026 录用为口头报告。
- 2026王贞众关于可解释分子性质预测的论文发表于 IEEE TPAMI；晶体材料发现综述发表于 ACM Computing Surveys。
- 2026.01江敏出任 IEEE Computational Intelligence Magazine 主编。
- 2025赵万磊团队关于磁盘近邻搜索的论文被 SIGIR 2025 录用为口头报告。
代表性论文Selected Publications
加粗为实验室教师。* 通讯作者
- Transferable Multiform Attack for Cross-Modal Person Re-IdentificationY. Gong, C. Yang, Q. Zeng, D. Xu, Z. Luo, Z. Wang, M. Jiang* · NeurIPS 2026
- VisionLaw: Inferring Interpretable Intrinsic Dynamics from Visual Observations via Bilevel OptimizationJ. Lin, S. Jiang, Q. Zeng, Z. Wang, M. Jiang* · ICLR 2026通过双层优化，从视频中推断可解释的物理规律。
- Towards the Distributed Large-scale k-NN Graph Construction by Graph MergeC. Zhang, W.-L. Zhao*, S. Xiao, J. Yao, X. Zhang · ICDE 2026口头报告。通过图合并实现分布式的大规模 k-NN 图构建。
- Explainable Molecular Property Prediction: Aligning Chemical Concepts with Predictions via Language ModelsZ. Wang, Z. Lin, W. Lin, M. Yang, M. Zeng, K. C. Tan · IEEE TPAMI 2026
- PEGNet: A Physics-Embedded Graph Network for Long-Term Stable Multiphysics SimulationC. Yang, Z. Wang, J. Liu, Y. Gong, M. Jiang* · AAAI 2026将物理约束嵌入图网络，实现长时稳定的多物理场仿真。
- Highly Efficient Disk-based Nearest Neighbor Search on Extended Neighborhood GraphC. Zhang, J.-Z. Wang, W.-L. Zhao*, S. Xiao · SIGIR 2025口头报告。
- Evolutionary Transfer Optimization — A New Frontier in Evolutionary Computation ResearchK. C. Tan, L. Feng, M. Jiang · IEEE Computational Intelligence Magazine 20212024 IEEE CIM 杰出论文奖。
- Transfer Learning-Based Dynamic Multiobjective Optimization AlgorithmsM. Jiang*, Z. Huang, L. Qiu, W. Huang, G. G. Yen · IEEE TEVC 2018提出基于迁移学习的动态多目标优化框架。
加入我们Join Us
实验室招收硕士、博士研究生和博士后，也欢迎本科生参与科研。
- 背景要求
- 扎实的数学基础（线性代数、概率、微积分），熟练使用 Python，具备机器学习或演化计算的基础知识，能阅读英文文献。最重要的是好奇心、坚持和学术诚信。
- 联系方式
- 请直接联系研究方向最接近的老师（邮箱见下方），邮件标题写“报考—姓名—硕士/博士/博士后”，正文说明学校、专业、感兴趣的研究方向和科研经历，并附简历和成绩单。
联系方式Contact
- 江敏minjiang [at] xmu.edu.cn
- 赵万磊wlzhao [at] xmu.edu.cn
- 林达真dzlin [at] xmu.edu.cn
- 曹冬林another [at] xmu.edu.cn
- 王贞众zhenzhongwang [at] xmu.edu.cn
为防垃圾邮件，地址中的 @ 写作 [at]，点击即可发信。