密歇根大学 研究
P-2026-01 医疗 AI 进行中
P-2026-01 FIG. 014 面向医疗视觉语言模型的可扩展拆分学习与量化
将双分区多模态拆分学习框架扩展到多服务器协同微调，使敏感数据保持本地化。项目在医疗 VQA 基准上评估低比特中间表征量化，系统分析模型效用、信息保真度与端到端通信效率之间的权衡，并通过特征反演攻击研究传输表征的隐私泄露风险。
陈天朗 · 个人网站 § 2 · 经历
§ 2
经历
R
研究
P-2026-01 FIG. 014 密歇根大学 研究
P-2026-02 调控基因组学 进行中
P-2026-02 FIG. 015 面向调控基因组学的基础模型微调与 AI 基础设施
在 HPAP 1 型糖尿病 snMultiome 数据上微调完整 EPCOT 基因组基础模型，根据染色质可及性预测基因表达。设计覆盖内存高效数据系统、并行预处理与加载、分布式训练及可复现集群执行的可扩展 AI 基础设施，并建立基因中心、细胞特异和隐私意识的评估流程。
密歇根大学 研究
P-2026-03 LLM 系统 进行中
P-2026-03 FIG. 016 面向出行系统的 LLM 辅助激励设计
通过模式感知提示词与严格的结构化响应校验，用 LLM 模拟异质出行者决策并将输出转化为激励设计的奖励信号。构建支持批量生成、可复用响应池和可替换服务后端的可扩展推理架构，并结合多臂老虎机与受约束预算分配开展重复敏感性分析和留出评估。
密歇根大学 研究
P-2026-04 AI 平台 进行中
P-2026-04 FIG. 017 面向科学数据分析的 AI 辅助全栈平台开发
开发 AI 辅助全栈平台，将异构实验数据转化为交互式、可验证的材料科学模型拟合流程。平台将 LLM 引导的数据理解与结构化防护、人在回路验证相结合，并训练物理信息神经网络初始化非线性拟合，在轻量推理流程中融合学习表征、受约束科学优化与不确定性感知的模型比较。
密歇根大学 研究
P-2026-05 环境 AI 进行中
P-2026-05 FIG. 018 AI 引导的环境感知与自适应监测
针对传感器覆盖有限、季节性变化显著的稀疏动态五大湖环境系统，研发 AI 引导的感知方法。构建覆盖基线重建、不确定性量化与可视化的可复现流程，并比较随机、网格及不确定性感知的传感器布点和自适应采样策略，为后续部署提供依据。
密歇根大学 研究
P-2026-06 基因组机器学习 进行中
P-2026-06 FIG. 019 微生物群落的功能基因组表征学习
构建可组合框架，通过蛋白编码 k-mer 分词将微生物基因组转化为可解释、无参数的功能编码，并连接经典统计与大型预训练序列模型。以丰度加权的群落嵌入将各基因组频谱聚合为定长表型，并针对高维、小样本基因组数据实施防泄漏特征工程与严格统计验证。
I
实习
Mars Asia 实习
§3.04 系统 完成
§3.04 FIG. 020 Mars Asia（企业微信）全栈开发
使用 JavaScript、Node.js 与 Vue.js 参与 WeCom（企业微信）全栈二次开发，支持内部沟通与工作流工具。参与 API 实现、界面开发、数据迁移和信息检索，并构建自动化流程以提升系统迁移期间的运营连续性。
FOL. 014 · 经历
共 7 条 · v1.0