香港城市大學碩博導師Matthias Hwai Yong Tan申請攻略

成功上岸的師兄師姐們(men) 都說，聯係導師是他們(men) 上岸過程中至關(guan) 重要的步驟之一，找到適合自己的導師，與(yu) 心儀(yi) 導師取得聯係並獲得認可非常重要！從(cong) 本期開始，我們(men) 將為(wei) 大家介紹熱門院校的導師，幫助同學們(men) 了解導師的研究方向，招收學生情況，幫助大家更好的進行申請定位！ 本期，我們(men) 將為(wei) 大家介紹香港城市大學的導師！ 

碩博申請 @ 香港城市大學（CityU）

01 · 導師簡介

Matthias Hwai Yong Tan 教授本科畢業(ye) 於(yu) 馬來西亞(ya) 理工大學機械與(yu) 工業(ye) 工程專(zhuan) 業(ye) ,之後在新加坡國立大學獲得工業(ye) 與(yu) 係統工程碩士學位,最後在美國佐治亞(ya) 理工大學獲得工業(ye) 與(yu) 係統工程博士學位。從(cong) 他的教育背景可以看出,Tan 教授在工程領域有著深厚的理論功底和專(zhuan) 業(ye) 素養(yang) 。
Tan 教授目前是香港城市大學數據科學學院的副教授,2013年起在城大擔任助理教授,2018年晉升為(wei) 副教授。他主要的研究方向包括統計學習(xi) 、不確定性量化、物理和計算機實驗的設計與(yu) 分析、穩健參數設計、工程與(yu) 工業(ye) 統計以及貝葉斯統計等。

02 · 導師研究概況

Tan 教授的研究重點在於(yu) 為(wei) 工程仿真模型開發嚴(yan) 謹的統計方法,以解決(jue) 工程不確定性量化問題。他的研究通常涉及時間較長的仿真,如通過有限元方法求解時間相關(guan) 的3D偏微分方程、通過有限體(ti) 積法求解Navier-Stokes方程,以及計算模擬器輸出相對於(yu) 噪聲因子輸入的期望。

Tan 教授近年主持了多項由香港研究資助局資助的研究項目,包括優(you) 秀青年學者計劃(ECS)和優(you) 配研究金(GRF)等。這些項目涉及不同工程和統計領域,體(ti) 現了Tan教授研究的廣度和深度。

03 · 研究解析

Tan 教授在頂級期刊上發表了許多高質量的學術論文,包括:

Technometrics:研究高斯過程模型在計算機實驗、穩健參數設計等方麵的應用

SIAM/ASA Journal on Uncertainty Quantification:提出貝葉斯多項式混沌模型選擇方法以估計靈敏度指數

IIE Transactions:提出集成參數和公差優(you) 化方法,解決(jue) 不確定目標函數下的工程設計優(you) 化問題

IISE Transactions:提出多目標穩健設計方法,處理具有多個(ge) 功能輸出的問題

這些論文展示了Tan教授在統計建模、工程優(you) 化、計算機實驗等方麵的創新思路和突出貢獻。他的研究成果對解決(jue) 實際工程問題具有重要的理論意義(yi) 和應用價(jia) 值。

04 ·需做哪些申請準備？

Tan 教授指出他希望招收工程、數學或統計學背景的學生攻讀博士學位,申請者需要具備優(you) 秀的學業(ye) 成績。因此有意向申請的同學應該在本科和碩士階段打好專(zhuan) 業(ye) 基礎,爭(zheng) 取取得優(you) 異的學術表現。

此外,申請者最好能展示出在相關(guan) 研究領域的實踐經驗,如參與(yu) 科研項目、發表學術論文等。這些經曆可以幫助申請者脫穎而出,獲得導師的青睞。在申請時,請務必向Tan教授提交詳細的個(ge) 人簡曆,充分展示你的學術背景和研究潛力。

05 ·導師近年招收學生情況

Tan 教授目前正在招收博士生,對申請者的學術背景要求較高。從(cong) 他的研究領域和發表論文來看,工業(ye) 工程、運籌優(you) 化、統計學等專(zhuan) 業(ye) 的學生可能更有優(you) 勢。

06 ·研究想法舉(ju) 例

研究題目:基於(yu) 深度學習(xi) 的高維複雜係統不確定性量化與(yu) 優(you) 化設計

研究內(nei) 容:

開發基於(yu) 深度學習(xi) 的高維複雜係統 metamodel,提高建模效率和精度

發展適用於(yu) 深度模型的不確定性量化方法,克服傳(chuan) 統方法的局限性

將深度學習(xi) metamodel 與(yu) 多目標優(you) 化算法相結合,實現魯棒性和可靠性設計優(you) 化

搭建不確定性量化與(yu) 優(you) 化設計的集成仿真平台,進行工程應用驗證

研究意義(yi) :本研究創新性地將深度學習(xi) 引入複雜係統不確定性量化,發展適用於(yu) 高維強非線性問題的新理論和新方法。擬開發的集成仿真優(you) 化平台可為(wei) 工業(ye) 界提供實用設計工具。研究成果有望在航空航天、能源動力等關(guan) 鍵領域得到應用,推動不確定性量化領域的智能化發展。

07 ·師兄師姐有話說

申請經驗：申請 Matthias Tan 教授課題組,需要對不確定性量化、工程統計等領域有濃厚興(xing) 趣,並具備紮實的數理統計和編程基礎。

建議仔細閱讀 Tan 教授的代表性論文,深入理解其研究思路和技術方法。在個(ge) 人陳述中,重點闡述自己對不確定性量化領域的認識和研究興(xing) 趣,展示相關(guan) 項目經曆、數據分析能力和編程技能,並針對 Tan 教授的研究工作提出自己的想法和見解。

推薦信中,請熟悉自己研究工作的導師或合作者詳細評價(jia) 學術能力和研究潛質。如有機會(hui) 與(yu) Tan 教授交流,要充分展示對不確定性量化領域的熱情和貢獻研究工作的強烈意願。

創新思考：不確定性量化在工程設計和優(you) 化中日益重要。傳(chuan) 統方法麵臨(lin) 計算成本高、精度低等挑戰。將機器學習(xi) 引入不確定性量化,發展數據驅動的建模、量化和優(you) 化技術,是值得探索的研究方向。利用深度神經網絡構建高維複雜係統的 metamodel,發展新穎的概率分布學習(xi) 和靈敏度分析方法,將深度 UQ 與(yu) 多學科設計優(you) 化結合,有望在強化係統魯棒性和可靠性設計方麵取得突破。

不確定性量化正處於(yu) 從(cong) 傳(chuan) 統的模型驅動向數據驅動轉變的關(guan) 鍵期。在 Tan 教授指導下探索機器學習(xi) 、優(you) 化設計與(yu) UQ 的交叉融合,將開拓 UQ 理論和方法的新境界,助力智能製造時代複雜工程係統的設計。