置顶

课题组将招收博士、硕士和博士后，长期有效。

关于博士硕士招生有以下三点要求：1）应具有工程学科背景，并对信息技术有浓厚兴趣，即将或已取得相关的学士或硕士学位；2）应具有较强的技术背景，包括但不限于BIM/GIS、物联网、数字孪生、人工智能等方面的研究经验，优先考虑在算法、大型软件系统或Web/App 开发方面有研究或实践经验的申请者；3）应具有较高的自我激励能力，良好的英语书面和口语沟通能力，以及独立工作能力。

关于博士后招聘还应满足以下两点：1）年龄35岁以下，获得博士学位3年以内；2）研究方向为土木工程信息技术、海洋环境信息建模及应用、数据驱动知识发现及应用等相关方向。（注：博士后申请者经过初步筛选后需进行面试，并作半小时学术报告，包括博士期间的主要研究工作内容及未来博后工作设想。）

有意向者请将个人简历、成绩单及工作设想等材料发送至邮箱：hu.zhenzhong@sz.tsinghua.edu.cn。详情可查看课题组博士硕士招生、课题组博士后招聘。

2026-07-10

近日，期刊Engineering Structures编辑部公布了2026年度第一期Editor's Featured Paper获奖论文。其中，发表于该期刊2026年第353-C卷的论文“Deep learning-based realtime multiload response prediction and inverse analysis of offshore bridges”荣获该奖，论文作者还包括硕士生孙竹妤、郭宇韬副教授、博士生葛康以及南方科技大学侯超副教授。

研究团队针对海上桥梁在复杂海洋环境中运行，传统基于有限元方法的时程分析与非线性模型更新计算量大、耗时长，难以满足实时分析需求的难题，突破现有方法在计算效率与精度间难以兼顾的局限，提出深度融合结构特性与海洋耦合动力荷载的深度学习跨海桥梁预测模型，实现了毫秒级高精度非线性动力响应预测。在此基础上，进一步构建可微结构反演框架，将代理模型与梯度优化算法有机耦合，实现结构损伤快速识别与模型校准。研究成果为海上桥梁的高效结构分析与实时健康监测提供了智能化技术手段，推动了深度学习在海洋结构工程中的应用发展。

注：Engineering Structures是Elsevier（爱思唯尔）旗下工程技术领域的权威期刊，创刊于1978年，为中国科学院1区TOP期刊，2026年影响因子为7.6。本次颁发的Editor's Featured Paper奖项，由期刊主编、副主编团队从内容创新性、研究成果应用性、文章写作质量等方面进行综合评价并评选，覆盖2026年3月至4月出版的Vol.350至Vol.353-C各卷，分设亚太区、欧洲区和美非区。

2026-06-24

6月24日，课题组师生赴大澳湾开展毕业季团建活动，欢送2026届毕业生。

活动当天，团队成员分组参与多项体验。出海航行环节，师生们在广阔海域中感受自然，在乘风破浪中体验垂钓之趣；沙滩游览组则在海岸风光中放松身心，享受宁静与辽阔。下午的水上项目侧重参与和协作，成员们在教练指导下轮流上阵，于速度与配合中增进默契。随后的沙滩下午茶时段，大家在休闲游戏中放松身心。晚餐期间，课题组向毕业生表达了真挚祝福，毕业生们也分享了在团队中的难忘经历与诚挚谢意。

此次团建为课题组提供了科研工作之外的交流平台，进一步增强了团队凝聚力。团队成员将带着“扬帆齐心”的信念，在海洋科研的道路上继续探索。祝愿毕业生如大海般广阔，未来可期。

2026-06-15

近日，课题组发表于期刊Advances in Engineering Software的论文BIM-based integrated delivery technologies for intelligent MEP management in the operation and maintenance phase在谷歌学术上他引次数已达到300次。

这项成果能受到国内外同行的持续关注，主要在于其切实回应了建筑运维阶段的行业“痛点”。针对传统竣工资料查阅困难、信息交付不全导致智能化管理受阻的普遍难题，我们的研究重心放在了“信息数字化”上，探索如何让竣工模型真正承载运维所需的关键信息，致力于打通从“数据集成”到“系统落地”的完整闭环。

工程案例的验证显示，该方案有效支撑了机电系统的智能化管理，保障了系统的运行安全。目前累计的引用量，也从侧面反映了这项研究在推动建筑行业数字化转型方面具有切实的参考价值。未来，我们将继续深化研究，进一步探索BIM技术在建筑全生命周期中的融合应用，为我国建筑行业的智能化、数字化发展提供更加坚实的技术支撑！

2026-06-12

论文Precise longitudinal crack detection via continuous texture reconstruction and deep segmentation已发表在期刊Advanced Engineering Informatics上。

路面裂缝是道路基础设施劣化的主要形式，需要高效且准确的检测以实现及时维护。现有检测方法多依赖耗时的人工巡查，或受制于高昂硬件成本与GPS依赖，限制了路面连续评估的灵活性。为此，本文提出一种双通道裂缝检测模型，集成连续路面纹理重建、深度分割与高精度边界细化算法，实现纵向裂缝的现场检测与精度提升。研究开发了基于特征的图像拼接算法，用高分辨率图像重建连续路面纹理，摆实现无需GPS定位的裂缝识别；同时结合YOLOv8-seg模型与自适应形态学算法，完成像素级裂缝重建。对比实验表明，该混合方法较基线模型具有更优的分割性能、边界细化度及分支恢复能力。本文为纵向裂缝的自动化检测与高精度重建提供了实用方案，有效支持路面维护规划。

注：Advanced Engineering Informatics，属于Q1区工程技术领域Top期刊，2025年影响因子为9.9。论文第一作者为博士生安芃，本人为通讯作者。研究成果得到国家重点研发计划和深圳市科技计划的资助。