个人简介

我主要从事理论核物理研究。核物理是物理学中唯一能够同时交织引力、电磁力、强相互作用与弱相互作用的迷人领域。我的研究重心在于运用量子少体理论，深入解构原子核的反应机制与内在特性。

现代理论物理的推导正与前沿的算力深度交汇。我们的工作高度依赖大规模数值计算，从求解复杂的薛定谔方程到蒙特卡洛模拟，再到将最新的机器学习算法注入核物理研究，赋予传统量子多体计算全新的生命力。

"教学相长" —— 教学从来不是单向的输出。学生们眼中纯粹的求知欲，始终是我不断突破认知边界的源动力。

"Happy Wife, Happy Life" —— 追求极致的科研，也需要恰到好处的生活平衡。工作之余，四只性格迥异的猫是我的最佳伴侣。游戏直播、徒步、烹饪与电影，构成了我实验室之外的鲜活日常。

研究方向：微观宇宙的探索

原子核是物质的微观核心，也是恒星燃烧的燃料。理解原子核的结构与反应过程，对于揭示宇宙演化、元素起源等基本科学问题至关重要。我的研究团队致力于在微观尺度上解开原子核的动力学之谜，研究工作横跨核物理学、量子多体问题与高性能计算等前沿交叉领域：

■ 核反应与量子少体理论

原子核是一个由强相互作用主导的复杂自束缚量子系统。在探索远离稳定线的奇特原子核（如弱束缚核）时，传统的理论模型面临巨大挑战。我们采用量子少体理论，将极端复杂的核多体问题进行优雅的物理“降维”，把弹核视为具有内部结构的少体系统。通过高精度的数值求解与散射理论（如 IAV 模型与 CDCC 方法），我们能够精确描绘核子在碰撞、破裂与聚变过程中的量子演化轨迹，从而为理解恒星内部的核合成过程提供关键的理论支撑。

■ AI 驱动的前沿计算物理

现代理论物理研究正在经历一场从“解析推导”向“数据与算力驱动”的范式革命。我们正积极将人工智能与机器学习引入核物理的深水区。例如，我们开发了物理信息神经网络（PINNs）与液态神经网络来直接驯服复杂的量子散射方程；构建了神经集团模型（NCM），让原子核的内部结构从底层的变分原理中自发涌现，而非依赖人工预设。这不仅大幅提升了理论计算的效率与精度，更为解决非微扰量子多体问题开辟了全新的道路。

加入探索者的行列

在这里，你得到的不仅是前沿理论的武装，更是顶级计算能力的淬炼。本人每年招收硕士和博士研究生，如果你对微观世界的物理规律充满好奇，对代码和算力抱有热情，欢迎加入我们！

【你需要具备】 物理学或相关专业背景；扎实的数学直觉；懂得与计算机对话（熟练掌握至少一种编程语言）。

【你将获得】 一对一定制化的研究方向指导；从物理推导到高性能集群部署的硬核技能栈；充足的经费与参与国内外学术交流的舞台。