学术信息网 西电导航 关于 使用说明 搜索 系统首页 登录 控制面板 收藏 王云江的留言板
基本信息

基本信息

工学博士,博士后,西安电子科技大学综合业务网理论及关键技术国家重点实验室(ISN)副教授,硕士生导师。IEEE Member, Pacific Institute for the Mathematical Sciences(PIMS) Member,中国电子学会信息论分会委员、秘书长,中国密码学会量子密码专委会委员。

联系方式

邮寄地址:西安电子科技大学119信箱

办公地址:西安电子科技大学老科技楼B304

yunjiangw@xidian.edu.cn

个人简介

简介

工学博士,博士后,西安电子科技大学综合业务网理论及关键技术国家重点实验室(ISN)副教授,硕士生导师。IEEE Member, Pacific Institute for the Mathematical Sciences(PIMS) Member,中国电子学会信息论分会委员、秘书长,中国密码学会量子密码专委会委员。

   由河南师范大学附中保送到西安电子科技大学计算机学院,获计算机科学与技术学士学位后进入西安电子科技大学原技术物理学院,取得光学工程硕士学位的同年,进入西安电子科技大学综合业务网理论及关键技术国家重点实验室师从王新梅教授攻读博士学位,研究方向为纠错编码与量子通信技术。2008年获国家留学基金委“高水平”项目资助赴加拿大卡尔加里大学(University of Calgary)师从Barry C. Sanders教授参加联合培养博士生项目。2010年回国,获博士学位后留校工作至今,期间,2011年-2013年赴加拿大卡尔加里大学量子科技研究所(Institute for Quantum Science and Technology)作为Post-Doc Research Fellow开展量子通信的合作研究项目。在此期间,赴加拿大滑铁卢大学(University of Waterloo),多伦多大学(University of Toronto), 麦吉尔大学(Macgill University),蒙特利尔大学(University of Montreal),英属哥伦比亚大学大学(UBC),西蒙-菲莎大学(Simon Fraser University)等知名高校访问交流。

  在包括IEEE Trans on Information Theory在内的国内外一流刊物,ISIT等国际一流学术会议上发表论文多篇。2009年,在亚洲国际量子信息会议上,论文被选为长论文报告。目前是Physics Review A, Science China Information Science 、Science China Mathematics 、Journal of Communications and Networks等学术杂志审稿人。主持国家自然科学基金两项,教育部博士点基金一项,陕西省国际合作计划项目一项, 合作参与加拿大NSERC和AITF资助项目:量子信息与计算(加拿大),以及国家973项目:超高速超大容量光通信编码技术(中国)。

主要研究方向

1. 量子通信与量子计算: 本方向是实现新的通信与计算技术的研究领域,是多学科交叉的典范,是下一代信息技术革命的主力军,也是我国中长期科技计划为数不多的优先支持领域之一。量子差错控制是实现可靠量子信息处理的关键,也是目前量子信息技术亟待突破的关键核心。我们在本方向的工作集中于通过量子编码等差错控制技术实现可靠的量子通信与量子计算,包括基于量子纠错编码的量子通信的中继技术研究;基于量子纠错编码的容错量子计算研究;其中,前者是实现超高速、超远距离量子通信的核心支持技术,后者是实现实用量子计算机的关键。

 

2. 量子人工智能与大数据:深度学习、类脑认知与计算等研究在近年来引起越来越多的关注,已经成为国家重点支持的研究领域,也是国务院2017年重点部署的研究领域。其中,量子信息技术与类脑认知、计算,与深度学习的结合也成为量子信息领域的一个重要研究方向,该方向的研究包括:

  A: 量子计算(算法)在深度学习中的应用,包括量子支持向量机(Quantum SVM),量子主成分分析(Quantum PCA),量子玻尔兹曼机 (Quantum Boltzmann machine)等基于量子计算的深度学习算法,也包括基于加拿大量子计算机(D-Wave)的Ising 模型设计针对特定问题的高效量子算法等;

  B: 基于量子信息理论的认知与逻辑思维模型刻画与分析,目前已有的研究表明,人的某些认知行为无法用经典的概率模型来刻画,却可以由相应的量子信息理论刻画,那么搞清楚量子计算与量子信息与人脑认知与计算直接的联系十分有意义,有可能从根本上推动类脑认知与计算到达一个新的领域。

 

3. 深度学习与影像分析:深度学习今年来的突飞猛进,给众多学科和方向都带来了新的研究变革,这其中深度学习在图像理解中的应用虽然已经发展的相对完善,然而其还是有很多关键问题有待解决。比如在某些特殊领域的图像理解与分析,还有待进一步挖掘和探索。本方向将着力于基于深度学习的医学影像分析技术研究,针对特定的医学影像设计和实现智能学习与预测算法,以帮助提高医疗诊断水平。

 

版权声明:未经西安电子科技大学以及个人主页教师本人许可不得复制,转载传播本主页内容或用于任何商业用途,如需转载请征得主页所有者同意,并附上主页链接.
西安电子科技大学个人主页 站点地图 | | 王云江的留言板 | 更新日期 :2017-08-03 | |
Copyright © 2011-2016 西安电子科技大学 版权所有 陕ICP备021284(05016169) Powered by 信息化建设处 & 电院网络中心