置顶-1

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。

置顶-2

2021年11月26日，Discharge of treated Fukushima nuclear accident contaminated water: macroscopic and microscopic simulations已发表在National Science Review上，这是对课题组同学和老师们厚德载物、严谨致学的充分肯定！NSR官微推送优质高效，体现了我国卓越领军期刊的超一流水平！感谢张建民院士的指导与支持，感谢编辑部和评阅人给予的高度评价！

这项研究成果对于污染物长期扩散的预测、核污染水排放计划的合理应对以及后续放射性物质浓度的监测具有显著意义。未来，我们将继续深化研究，进一步探讨判断排放核污染水这一行为对于整个海洋和人类长远的影响，为国家乃至全球应对核污染水危机提供重要的决策支撑！

注：National Science Review，2021年的影响因子为17.275，属于顶刊，卓越计划领军期刊。详情请见介绍视频。

2026-03-26

论文Typhoon-Induced Risk Evolution in Wind Farms: From Disaster-Inducing Factors Identification to Domino Effect Assessment已发表在期刊Reliability Engineering & System Safety上。

针对南海复杂海域台风引发技术事故的难题，本研究提出了一种致灾因素分析与风险评估框架（DIRE）。该框架整合了两个模块：灾害诱因提取模型（DIFEM），通过混合物理-数据融合分析识别导致风机损坏的关键环境驱动因素；分层分析多米诺评估系统（HADES），实现了系统化的危害分类、层级结构化、概率评估和后果评估。通过对南海五起台风致灾事件的分析，本研究不仅识别了导致风力涡轮机损坏的共性及特异性致灾因素，还量化了级联灾害风险。本研究的成果为风电场的防灾减灾提供了可靠的数据和决策支持。

注：Reliability Engineering & System Safety属于Q1区工程技术领域Top期刊，2025年影响因子为11.0。论文第一作者为博士生李一林、博士后李宜鸿，本人为通讯作者。研究成果得到国家重点研发计划、广东省基础与应用基础研究基金、深圳市科技计划以及清华水木学者计划的资助。

2026-03-25

论文Digital disaster prevention for ocean engineering: Current progress and future directions已发表在期刊Ocean Engineering上。

面对台风等极端气候频发引发的技术事故风险，传统静态防灾手段已难以满足海洋工程实时预警与主动防控的需求。本文系统综述了数字技术在海洋工程防灾中的最新进展，聚焦致灾因子识别、灾害机理建模与结构安全评估三大核心领域。文章整合了物理数值模拟、数据驱动仿真及系统动力学方法，深入剖析灾害诱发机制与级联失效演化。重点探讨了数字孪生与深度学习在海上风电场等场景的风险分析与预警应用，并构建了融合环境感知、可解释建模及韧性决策的未来技术体系。总体而言，数字化防灾为海洋工程领域实现更具适应性、预测性和韧性的安全管理提供了重要路径。

注：Ocean Engineering属于Q1区工程技术领域Top期刊，2025年影响因子为5.5。本人为论文第一作者和通讯作者。研究成果得到深圳市科技计划项目和广东省基础与应用基础研究基金的资助。

2026-03-05

论文Dynamics-Based Adaptive Scheduling for Large-Scale Edge Computing Networks in Smart Cities已发表在期刊IEEE Internet of Things Journal上。

针对智慧城市中物联网设备激增导致任务请求呈指数级增长，从而给大规模分布式边缘计算网络带来实时高效调度难题，本文提出了一种新颖的基于动力学的自适应调度（DAS）方法。该方法创新性地将复杂的任务调度转化为二维几何模型，利用正向动力学模拟原理实现非迭代式任务分配，成功将计算复杂度降低至O(n log n)。仿真结果表明，DAS方法在关键性能指标上显著优于现有策略：服务响应时间降低9%至15%，系统负载均衡提升93%至98%，总能耗降低2%至12%。该方案有效解决了大规模边缘计算环境下的调度效率与可靠性问题。

注：IEEE Internet of Things Journal属于Q1区工程技术领域Top期刊，2025年影响因子为8.9。论文第一作者为硕士生冯亦潇，上海交通大学任政儒老师为通讯作者。研究成果得到国家重点研发计划项目的资助。