预聘副教授 硕士生导师
学历：博士研究生毕业
聚焦解码复杂系统
教育及工作经历：
2018年获西澳大学（全球QS排名77）数学博士学位。2019年加入同济大学，专注运用统计物理、网络科学与人工智能，揭示复杂系统（如大脑、经济、气候）背后的普适规律。课题组注重培养创新思维，致力于为每位学生提供个性化发展支持。欢迎志在理解支撑我们世界的复杂系统与网络的你加入，携手开展有影响力的研究！
研究方向：
研究兴趣涵盖复杂系统与复杂网络领域的几乎所有方向，尤其致力于从复杂系统中提炼普适性经验规律。
研究成果:
近期学术与媒体报道（部分）：
《自然综述-物理学》：《A method for generating constrained surrogate power laws》
《自然-物理学》：《Precise precognition》
《经济学人》：《AI can predict tipping points before they happen》
《新科学家》：《AI can predict tipping points for systems from forests to power grids》
《物理》：《Deciphering the Blueprint of the Fruit Fly’s Brain》
《物理》：《Predicting Tipping Points in Complex Systems》
以下是我在《Physical Review Letters》、《Physical Review X》、《PNAS Nexus》、《神经信息处理系统会议（NeurIPS）》等期刊的部分论文，彰显我们如何融合统计物理、网络科学与人工智能，化繁为简解析复杂系统：
J. M. Moore、M. Small、G. Yan、H. Yang、C. Gu、H. Wang*，《Network spreading from network dimension》，《Physical Review Letters》 132, 237401 (2024)。
J. M. Moore、G. Yan*、E. G. Altmann，《Nonparametric power-law surrogates》，《Physical Review X》 12, 021056 (2022)。
Z. Liu、X. Zhang、X. Ru、T.-T. Gao、J. M. Moore*、G. Yan*，《Early predictor for the onset of critical transitions in networked dynamical systems》，《Physical Review X》 14, 031009 (2024)。
X.-Y. Zhang、J. M. Moore、X. Ru、G. Yan*，《Geometric scaling law in real neuronal networks》，《Physical Review Letters》 133, 138401 (2024)。
X.-J. Zhang、J. M. Moore*、T.-T. Gao、X. Zhang、G. Yan*，《Brain-inspired wiring economics for artificial neural networks》，《PNAS Nexus》 4, pgae580 (2025)。
X. Ru、X. Y. Zhang、Z. Liu、J. M. Moore*、G. Yan*，《Attentive transfer entropy to exploit transient emergence of coupling effect》，《NeurIPS 2023》 36, 171 (2023) 。
科研项目：
2021, 外国学者研究基金项目, 国家自然科学基金委员会
2023, 外国青年人才, 中华人民共和国科学技术部
2024, 东方英才青年项目, 上海市人才工作局
