沈向洋院士

沈向洋院士为粤港澳大湾区数字经济研究院创院理事长，香港科技大学高等研究院荣休教授（Professor-at-Large Emeritus）。他曾担任微软公司全球执行副总裁，主管微软全球研究院和微软人工智能事业部，负责推动公司中长期技术战略及前瞻性研究与开发工作。由于他对计算机视觉和图形学的贡献，以及在工业界科研和产品研发中的领导力，他先后成为IEEE Fellow和ACM Fellow、美国国家工程院外籍院士以及英国皇家工程院外籍院士。他参与创立了微软亚洲研究院，曾担任院长和首席科学家，为中国培养了众多国际一流的计算机科学家、人工智能技术专家和企业家。沈教授的研究领域涉及人工智能相关的众多方向，包括计算机视觉与图形学、机器人技术、NLP与人机对话、深度学习及其在金融、医疗等领域的应用。

个人主页：https://www.microsoft.com/en-us/research/people/hshum/

倪明选校长

倪明选，香港科技大学（广州）创校校长。倪明选教授于1980年获得美国普渡大学电机工程博士学位，曾先后担任香港科技大学首席副校长，校长特别助理、霍英东研究院院长及计算机科学及工程系主任与讲座教授，澳门大学学术副校长、电脑及资讯科学系讲座教授，密歇根州立大学计算机科学与工程系教授 ，美国国家科学基金会微电子系统结构项目主任，美国CC&T技术公司联合创办人兼行政总裁。

倪明选教授是IEEE终身会士，香港工程科学院院士，论文引用超过37000次（根据Google Scholar），曾先后获得8次国际会议最佳论文奖，成功申请28个美国、中国授权的专利，并指导73名博士毕业生。倪明选教授积极参与中国内地学术事务。曾先后获得中国计算机学会海外杰出贡献奖（2009），教育部自然科学一等奖（2010），国家自然科学二等奖（2011），以及广东省科学技术一等奖（2014）。他曾先后担任国家973计划无线传感网项目首席科学家（2006-2011）、清华大学IV访问讲座教授、上海交通大学神州数码访问讲座教授、中国科学院海外评审专家、中国国家自然科学基金委员会及科技部专家小组成员，以及4个国家重点实验室/国家工程中心的学术委员会成员。

郭健教授

郭健教授现任IDEA研究院执行院长兼首席科学家，协助沈向洋院士一起创办了IDEA研究院。他还领导IDEA人工智能金融与深度学习研究中心，负责下一代AI量化投资技术、金融行为知识图谱与深度学习知识推理、知识型深度学习预训练大模型等前沿交叉研究方向。

郭健教授曾任教于美国哈佛大学（Tenure-track），是世界知名的机器学习和大数据科学家，在统计机器学习、深度学习、概率图模型等领域发表过众多论文并获得多项专利，其研究成果被广泛应用于量化投资、知识图谱、推荐与搜索系统、生物信息学等领域。他是最早将深度学习与强化学习技术应用于金融市场投资与风控的研究者之一，是学者型的科技金融创业者。郭健目前兼任香港科技大学（广州）AI学域兼职教授和“IDEA-HKUST(GZ)联合博士培养项目”负责人。郭健教授本科毕业于清华大学数学科学系，在美国密西根大学取得统计学博士学位。

郭健教授的研究方向包括：

面向下一代量化投资的人工智能技术 1）适合金融时间序列预测场景的新型深度神经网络结构、神经网络算子、激活函数、损失函数、集成学习方法、对比学习方法、知识蒸馏等技术和算法；2）适合金融时间序列预测的新型深度神经网络的自动化深度学习AutoML、NAS和MoE算法；3）时序深度神经网络的算法并行化与高性能计算系统优化；4）适合金融市场预测分析的机器学习因果推理算法、可解释机器学习技术等；5）适用于横截面选股模型的时空多维图深度学习算法；6）面向金融投资的时间序列深度强化学习计算框架，适用于分布式计算、FPGA时序机器学习推理加速和CPU-GPU架构和相关计算加速技术；7）基于深度强化学习技术的订单执行优化算法、投资组合动态仓位优化模型和高频交易模型；8）面向全球市场的跨领域跨任务的量化投资超大规模深度学习预训练模型。

金融行为知识图谱与AI金融投资决策推理技术 1）研发世界级超大规模金融行为知识图谱与事理图谱，构建跨市场跨品种跨领域的金融行为主体关联关系，建立金融实体之间的多样性关联关系（产业链、资本链、供应链、诉讼链等）和事件因果关系；2）在金融大数据库和金融实体画像的基础上，研发适用于金融知识图谱推理的NLP、深度学习、小样本学习、迁移学习等技术，研究和开发适用于超大型金融行为知识图谱分析的新型时序图认知推理算法与技术，在金融决策推理的预测精度、可解释性、计算复杂度、并行计算能力、置信度和鲁棒性之间找到最优平衡点；3）研究金融知识推理和金融投资决策场景下的自然语言（NLP）大模型和相关系统。

基于AI 的新一代金融衍生品定价模型与算法 以期权、利率衍生品为代表的金融衍生品是金融投资市场的重要组成部分。金融衍生品的交易最核心的步骤是精准且快速的定价。基于传统的定价模型基于隐含波动率的随机微分方程求解，计算复杂度高，计算耗时长的现实，研究通过深度学习技术来加速定价随机微分方程求解问题，在适当放宽计算精度的前提下大幅度提升计算效率。同时，研究直接利用深度学习进行衍生品定价和交易的DeepHedging模型和算法。

个人主页：https://www.idea.edu.cn/person/guojian/

李世鹏教授

李世鹏是国际欧亚科学院院士、IEEE会士，现任粤港澳大湾区数字经济研究院（IDEA）讲席科学家、低空经济研究中心负责人，带领低空经济研究中心，负责智能融合低空系统（SILAS）与SILAS操作系统（SILAS OS）的研究与建设，领域涵盖：低空经济新范式；空域的规范与管理；飞行的管理、规范、跟踪、规划与协调；低空环境数字化模型与仿真；低空通讯、导航、监视；低空感知与决策；低空大模型等。

李世鹏院士曾任深圳市人工智能与机器人研究院（AIRS）执行院长；科大讯飞集团副总裁及研究院联席院长；科通芯城集团首席技术官。他是微软亚洲研究院的共同创始人，并曾任微软亚洲研究院副院长、首席研究员及微软公司合伙人。加入微软前，李院士任美国萨尔诺夫(Sarnoff)公司研究员。李院士是在多媒体、互联网、计算机视觉、云计算、物联网及人工智能领域极具影响力的领军专家。他拥有200多项美国专利及330多篇国际技术论文，被引用了25,600多次（H-Index: 83）。他被Guide2Research列为世界顶尖1000名高被引计算机科学家之一，2020年在中国大陆排名第18位。多年来，他培养出四位MIT TR35创新奖的获得者（世界上35岁以下的最有潜力的35位创新者）。

李世鹏教授的研究方向包括：

● 低空飞行新范式，研究适应低空自动化、智能化无人机与EVTOL的空域规范与管理新模式。研究新型的大规模飞行管理技术，形成相应的飞行监视跟踪、轨迹规划、调度与实时协调技术，以及可靠的安全评估与保障技术。

● 智能融合低空基础设施（SILAS）及智能融合操作系统（SILAS OS）。端边云系统架构，研究大规模低空运行及其地空传感器网路产生的感知流、数据流、处理流、决策流、执行流的系统架构，实现低时延、高吞吐、异构、多源的智能感知、决策与执行的大规模分布式的时空智能信息操作系统。

● 低空环境模型。研究适应低空自动化、智能化无人机与EVTOL飞行，研究低空环境的数字化与智能化模型，涵盖低空的传统3D建模与新型神经模型（Neural Lower Airspace Environment Modeling），实现低空的静态与动态模型，为感知算法、规划算法、安全平台算法、控制执行算法提供可靠与高效的环境模型，同时形成低空的大规模仿真模拟能力。

● 低空CNS+X。研究低空经济所需的新型通讯系统，在此基础上建立新型导航与监视系统，为低空飞行提供可靠、高效、低时延的通讯设施，以及快速精准的飞行器本体定位与导航能力，协助飞行器形成高效安全的智能控制。

● 低空智能大模型。研究低空通用大模型，形成低空的通用感知与认知能力，对大量的低空法律法规、运营需求、传感数据、历史飞行数据进行有效的理解、推理与决策，为低空管理运营与飞行器飞行提供大模型的通用智能。

王嘉平教授

王嘉平教授现任IDEA研究院 AI安全普惠系统研究中心讲席科学家，香港科技大学（广州）兼任教授。他曾先后担任微软总部研究院研究主管、创新工场技术合伙人兼人工智能工程院副院长。王嘉平教授在中科院计算所获得博士学位，师从前微软公司全球执行副总裁沈向洋，其博士论文曾荣获2009年全国百篇优秀博士论文奖，他也是该年唯一的计算机科学领域获奖者。

王嘉平教授在分布式系统、计算机图形学与视觉和机器学习GPU集群等领域已取得数十项研究成果并发表于ACM/ToG顶级期刊并已获美国专利授权。他于2019年发表了高性能并行区块链架构「Monoxide」论文，被国际顶级计算机网络学术会议 NSDI 2019接收。这是中国团队在区块链核心技术领域第一篇发表在国际顶会的学术论文，并获得同年中国计算机协会(CCF)最佳区块链论文奖。王嘉平教授目前的研究内容集中在如何推动开放区块链向更大规模、更高效率的发展，如何规避和监管其带来的金融风险和安全问题这两个方面展开。

王嘉平教授的研究方向包括：

同国际接轨的分片并行区块链系统相关协议及算法 如何规模化在开放环境中的高性能区块链但由不牺牲去中心化，安全性，一直的国际上区块链系统的难题。针对这一挑战，分片技术是实现区块链系统无上限提高吞吐量和容量的并行架构，一直被认为是区块链系统设计的圣杯。但是由于区块链系统的特殊性，以及对中心化和开放安全性的独特需求，分片技术尚未有效地应用于区块链系统。我们的研究集中在以下方面：1）分片架构数据传输协议设计，以及交易数据结构的规范化；2）分片架构中共识证明的传递和验证协议；3）智能合约状态在分片架构中的表示和存储，及其多线程安全访问控制；4）分片网络中的交易执行流水线以及并行优化；5）智能合约在分片网络中的协同部署和链上版本管理。

智能合约的并行编程模型及编程语言规范 分片架构在将区块链系统本身并行化之后，传统的串行编程模型极其语言(如Solidity)将不再适用。好比CUDA编程语言之于GPU系统，MapReduce编程模型之于大数据分析，一种原生并行的智能合约编程模型是分片并行区块链系统支持通用金融计算的核心。如何拆分智能合约的状态，使其能够被分片系统分而治之，如何在数据依赖无法一次性满足的情况下，让计算逻辑在各个分片接力执行是并行编程模型的核心。我们的研究集中在以下方面：1）基于数据依赖范围的智能合约状态切分模型及相应的表达形式、语法和语义；2）基于消息传递的智能合约执行逻辑切分模型及其异步接力执行机制；3）原生资产定义和Move语义及其相应算法；4）大整数、高精度浮点数等金融计算基础原语及相关优化算法；5）面向对象、多态等现代通用编程技术在智能合约编程语言中的应用；6）合约参数和状态的序列号以及零开销反序列化的数据规范设计和算法；7）研发相应的编译器及其相应的语法分析、代码优化以及跨平台原生指令合成；8）针对金融应用设计优化的虚拟机及其相应的扩展指令集。

开放区块链网络中的金融监管与合规理论框架及其相关技术 技术上的去中心化对金融监管和合规提出了新的挑战，由于其用户身份的匿名性，管理上的分散特性，资产流动的高度灵活性和跨国界属性使得对于反洗钱、反诈骗等安全问题难于防范，同时金融资产发行、资金管存、资产交易等方面的合规落实变得无从下手。我们的研究集中在：1）基于全网交易网络的实时图谱分析的资产流向分析和追踪；2）基于对链上地址的历时行为分析，建立地址的信用度以及身份合规框架；3）稳定交易机制的研究及其对应的链上交易算法；4）合规资产发行的监管框架及其链上自动化监控算法；5）基于流动性、抵押率、资产分布来分析锚定币、算法稳定币等的风险评估算法。

个人主页：https://www.zhihu.com/people/jiapw/posts

张磊教授

张磊教授，本硕博毕业于清华大学，香港科技大学（广州）兼职教授，在计算机视觉等相关领域发表论文150多篇，并拥有60多项美国授权专利，因其对大规模图像识别和多媒体信息检索方面做出的贡献获选为IEEE Fellow。张磊教授目前在粤港澳大湾区数字经济研究院担任计算机视觉与机器人研究中心（CVR）讲席科学家，曾在微软亚洲研究院、微软总部研究院及计算机视觉相关产品部门任首席研究员，长期带领研究组从事计算机视觉方向的基础研究和大规模图像分析、物体检测、视觉语言多模态理解方面的应用研究，研究成果被广泛用于微软必应搜索及认知服务云计算平台。

个人主页：https://www.leizhang.org/