1. 智能电网：在2050年前后实现碳中和（Carbon Neutrality）是一个需要多行业机构协同的艰巨目标。实现这个目标需要大幅度增加现有电力系统中新型能源，如风能，光伏，潮汐能等渗透率，从而满足可持续发展（Sustainability）。然而，新型能源具有高度分布式，不确定性强等与传统化石能源不同的特点。因此，设计新型控制、优化、与调度算法从而增强电力系统乃至广义信息物理系统（Cyber Physical Systems）的可持续性、鲁棒性、韧性、可拓展性、隐私安全以及可适应性。 

2. 可信机器学习：随着日新月异的自动化，数据化、模块化进程，机器学习势必在未来可持续低碳清洁能源系统中起到举足轻重的作用。作为一个方兴未艾的交叉领域，目前机器学习与人工智能在清洁能源系统中的应用仅仅体现在预测不确定性、异常检测与环境监测、智能巡检等边缘模块，而非系统控制调度等重大决策。而智能算法的trustworthiness将直接影响许许多多的机器学习方法能否成功落地并应用在实际环境。其中，一个可行思路为将机器学习提供的预测或决策建议作为untrusted信号，并与传统方法结合，实现“ the best of both worlds ”。除了robustness，从数据中学习复杂物理规律中的causality以及增强复杂优化决策模型方法的interpretability也具有关键的理论与现实意义。 

3. 其他支撑课题：除了取得理论突破，为清洁能源行业提供思路乃至落地展示亦是产研融合闭环体系中的重要组成。搭建具备多种分布式清洁能源的孤岛或并网微电网系统，并在其中实践、检测、验证算法是学术成果产业化的临门一脚。此外，收集并整理如微电网控制，电动汽车充电等实例样本并提供开源数据库与benchmarks将会为可信智能电网这个新生领域营造优质的学术与产业生态。

拟招收 1-2 名博士与 1 名博士后。研究方向包含上述智能电网、可信机器学习与其中细分领域等。团队还招收硕士与访问学生/学者。要求如下： 

1. 具有很强的数学、控制、或优化知识（例如数学，统计、计算机以及其他相关专业背景）；

2. 对科研、新兴领域、与未知事物有很强的热情与自我探索的驱动力；

3. 具备较好的编程能力或动手能力。 

此外，团队招收1名与香港中文大学陈玥教授联合培养博士生，资料如下： 

联合培养项目：

最高150万奖学金——港中大（深圳）数据科学学院博士项目等你来

陈玥教授个人主页：

https://sites.google.com/view/academicyuechen