实验室研究的大方向是构建值得信赖的机器学习系统，打开AI模型的黑盒，让公众有信心信任AI。例如用AI来取代飞行员驾驶飞机，我们需要怎样向乘客保证AI是可靠的？在现在AI大模型广泛应用的背景下，如何保证它们能够在社会中安全使用，带来较少的负面影响，是之后很多年都非常重要的研究问题。我的研究方法重视理论分析和见解，但也同时注重算法的实用性和可扩展性，以及算法的应用和影响。目前具体的研究方向有以下几个：
1. 可信任机器学习 (Trustworthy machine learning)，包括机器学习的鲁棒性、安全性、公平性、可解释性，以及机器学习算法的隐私、泛化、不确定性等相关问题。最近特别关注语言和视觉大模型 (LLM/VLM) 的Trustworthiness；
2. 机器学习的形式验证方法 (formal verification for machine learning)，特别是如何证明深度神经网络符合严格的形式化规范，进一步提升形式验证方法在AI模型中的有效性。对于有兴趣将算法转化为有更大实际影响的工具箱的同学，可以进一步来完善alpha-beta-CROWN神经网络验证器，让它用在更大的模型和更多的应用中，获得远超于一两篇论文的影响力；
3. 数学优化方法 (optimization) 和程序验证 (program verification) 方法：如何将这些方法应用在可信任机器学习上；以及如何使用机器学习（如大模型）来解决数学问题和形式验证问题；
4. 机器学习和其他领域的交叉学科，如机器学习和计算机安全，研究在计算机软件、信息物理系统(CPS)等领域中应用时的安全问题；以及机器学习有很大应用前景的工程领域，例如控制理论(control theory)、电力系统(power system)、机器人学(robotics)等。
招生标准
1. 最重要的是对科学研究工作有热情和兴趣，有自己独立解决问题和探索问题的能力，和想在自己研究领域做到最强的耐心和决心。
2. 项目有偏向理论的也有偏向应用的，所以如果你数理基础扎实，或者是有非常强的编程和工程能力，都能够找到合适自己的项目。
3. 除了AI/机器学习方向的学生，特别欢迎有交叉方向背景的学生加入（如software engineering, programming languages, formal methods, cyberphysical systems, computer security等）。
4. 不要求已经有论文发表，也不要求在上面列出来的方向有过研究经历，但仍然要求有很强的文献阅读和快速学习新的方向的能力。
实验室优势
1. 研究小组目前研究经费和计算资源充足，实验室目前有6个PhD学长学姐，氛围很融洽。在这里可以得到导师充分的指导和沟通。导师之前在Google DeepMind、Microsoft Research、IBM Research、Amazon等多家公司做过相关实习和研究，同时也和MIT、Columbia、UCLA等其他学校实验室有深入合作，和学术界和工业界都有广泛的联系，对学生找实习、博后、以及未来的职业选择很有帮助。
2. 生活方面，UIUC生活成本（房租+饮食）远低于其他美国大城市（如纽约/洛杉矶），学生RA/TA工资除去生活成本，每月可以有很多结余。虽然学校所在的城市较小，但是对中国学生来说生活十分便利，中国超市有好几个，中餐饭馆和外卖也十分普遍。周末或者假期开车到芝加哥2个小时，在学习之余也可以有丰富的文娱活动。
申请方式
申请链接：https://grad.illinois.edu/admissions/apply
请在申请系统表格中和申请材料中提到我的名字（如果已经提交了申请，可以直接和我邮件联系，方便我把你的材料从系统里找出来）。请同时申请ECE和CS的program（我在两个program都会招生），这样被录取到的机会更大。不管被哪个program录取，都可以选择我当导师，对课题研究没有影响。
对于没有硕士学位的同学，保险起见可考虑同时申请PhD和Master program；很多master student都可以申请到TA，master的课程要求和PhD有很大重叠不会耽误时间，同时也有更多时间积累项目经验冲击PhD申请。对postdoc和intern感兴趣的同学，请邮件联系 [email protected]，注明你可以开始和结束工作的时间，附带个人的CV，成绩单和详细research statement。
