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。

2025-04-12

论文AI-based prediction of seismic time-history responses of RC frame structures considering varied structural parameters 已发表在 Journal of Building Engineering 期刊上。

文章提出了一种用于智能地震响应预测的端到端框架——ISRPnet。ISRPnet 包含一个用于将钢筋混凝土框架结构离散化为一系列静态特征的结构参数模块，以及一个用于编码地震荷载并自回归预测地震响应的编码器 - 解码器架构。该模型在通过经过验证的基于纤维的有限元模型生成的 16,544 个案例的数据集上进行训练。ISRPnet 在常见地震和罕见地震中均表现出色。对于常见地震，ISRPnet 能够快速且高度精确地预测时变响应。对于罕见地震，峰值位移预测仍保持准确。通过对比实验分析了物理损失的优越性以及门控循环单元相对于长短期记忆单元的优势。使用超出训练数据的未见过的地震波进行验证，表明该框架具有强大的泛化和外推能力。所提出的模型实现了对一类钢筋混凝土框架结构全过程地震响应的高效替代计算。

注：Journal of Building Engineering，是工程技术领域期刊，属于Q1区SCI期刊，2024年的影响因子为6.7。论文第一作者为2022级硕士生葛康，清华大学土木系助理教授王琛为通讯作者。研究成果得到国家自然科学基金项目和清华大学深圳国际研究生院跨学科研究与创新基金项目的资助。

2025-03-31

《面向新时代强交叉人才培养的土木与建筑工程CAE课程建设》已在中国知网网络首发于《高等建筑教育》期刊上。

在当前高速发展的经济和科技环境下，土木与建筑工程行业正面临着新的挑战和机遇。为了适应新时代的需求，培养具备交叉学科知识素养和综合能力的人才，已成为土木与建筑工程领域教育改革的重要方向之一。在分析新时代土木与建筑工程领域对人才需求的基础上，探讨了如何通过计算机辅助工程（CAE）培养强交叉人才，并总结了新时代土木与建筑工程CAE课程建设和改革的基本经验。

注：本人为论文第一作者，作者还包括课题组成员朱时艺和清华大学土木系防灾减灾所副研究员林佳瑞。

2025-03-30

A self-learning dynamic path planning method for evacuation in large public buildings based on neural networks在谷歌学术上他引次数达到100次。

疏散路径规划对公共建筑内人员安全、高效的疏散具有重要意义。现有的计算机模拟方法可以进行疏散分析，为应急教育和管理提供一个生动的虚拟环境。然而，高效的疏散路径规划方法仍面临分析模型生成的挑战，缺乏动态环境下的实时分析方法。本文提出了一种基于神经网络的大型公共建筑疏散规划动态路径规划方法。首先，提出了一种具有简化而充分信息的疏散分析模型的自动建立过程。在此基础上，提出了一种路径生成算法，并给出了一种评估过程来生成策略神经网络的训练集。初级策略神经网络经过初步训练后，进入自学习迭代过程。最后，该方法嵌入了一个动态算法来模拟建筑物中所有居住者之间的相互影响。该方法以实际大型公共建筑为研究对象，对神经网络进行训练，为多场景下人员逃生和管理者设计疏散策略提供快速可行的疏散指导。测试结果表明，该方法的运行速度比现有软件和传统搜索算法快8-10倍。

注：Neurocomputing，属于Q2区工程技术领域期刊。本人为论文通讯作者。