焦小沛

焦小沛

副研究员

首都师范大学

控制理论随机滤波物理信息深度学习

个人简介 About

焦小沛,首都师范大学副研究员。研究方向涵盖控制理论、随机滤波和物理信息深度学习。近五年来共发表学术论文 15 篇(以第一作者发表 11 篇),其中 13 篇被 SCI 收录(Q1 分区 9 篇、Q2 分区 1 篇)。

3 篇论文(2 篇为第一作者)发表于控制领域顶级期刊《IEEE Transactions on Automatic Control》,1 篇论文以第一作者发表于控制数学顶级期刊《SIAM Journal on Control and Optimization》,并以第一作者在国际知名人工智能与神经计算期刊《Neurocomputing》发文;另在 Springer Nature 出版专著 1 部,并于 2025 年获批国家自然科学基金青年科学基金项目。

教育背景:清华大学博士(应用数学,导师:丘成栋教授),上海交通大学本科(物理学,第二学位:计算机科学)。欢迎对非线性滤波、物理信息深度学习与 AI for Science 感兴趣的同学和同行交流合作。

教育背景与工作经历

  • 2026.07–至今首都师范大学 · 副研究员
  • 2025.02–2026.06北京雁栖湖应用数学研究院 · 助理研究员
  • 2024.07–2025.01特文特大学(荷兰)· 博士后研究员
  • 2022.07–2024.06北京雁栖湖应用数学研究院 · 博士后
  • 2017.07–2022.06清华大学 · 博士(应用数学),导师:丘成栋教授
  • 2013.07–2017.06上海交通大学(致远学院)· 本科(物理学),第二学位:计算机科学

学术访问与报告

  • 2026.06香港大学数学系 · 访问学者,受邀报告 "Neural Kernel Methods and Its Application in Stochastic Filtering"
  • 2021SIAM 年会(美国费城)· 受邀报告
  • 2015牛津大学(英国)· 访问学者

研究方向 Research

非线性滤波理论

研究高维非线性系统的有限维滤波理论,首次发现 n−2 维情形下的非 Yau 型有限维滤波器,致力于突破 Brockett–Mitter 有限维滤波猜想。

滤波 FDF

物理信息深度学习

将物理信息神经网络(PINNs)引入非线性滤波,结合李群与对称李代数发展保对称性的快速求解器 GsPINN,实现实时鲁棒滤波。

PINN · 物理约束

非线性最优控制

利用 PINNs 求解 Hamilton–Jacobi–Bellman 方程,发展数据高效、高精度、低计算量的物理约束控制方法,探索离线预训练与在线微调协同框架。

控制器 系统 u y HJB

代表性论文 Publications

* 表示共同第一作者。

专著

S.S.T. Yau, X. Chen, X. Jiao, J. Kang, Z. Sun, Y. Tao. Principles of Nonlinear Filtering Theory. Springer Nature, Algorithms and Computation in Mathematics, Vol. 33, 2024.

教学 Teaching

最优控制导论

2026 春 · 北京雁栖湖应用数学研究院

介绍最优控制的基本理论与方法,包括变分法、动态规划与数值算法。

现代控制理论

2025 秋 · 北京雁栖湖应用数学研究院

讲授现代控制理论核心内容,包括状态空间方法、能控能观性、稳定性与最优控制。

非线性滤波与深度学习

2025 春 · 北京雁栖湖应用数学研究院

介绍非线性滤波理论与深度学习的交叉方法,包括估计代数、Yau 滤波与 PINNs。

科研与服务 Research & Service

📌

主持项目

国家自然科学基金青年科学基金项目(C 类),2026.01–2028.12

学术服务

  • 客座编辑:Communications in Information and Systems(CIS)
  • 期刊审稿人:IEEE TAC, IEEE TAES, IEEE CDC, ACC 等

荣誉与奖励

  • 2026 · 国家自然科学基金青年科学基金项目(C 类)
  • 2021 · 清华大学一等奖学金
  • 2015 · 美国大学生数学建模竞赛(MCM)一等奖(Meritorious Winner)

联系我 Contact

🎓

本人持续招收相关方向的研究生,欢迎感兴趣的同学邮件联系。

联系方式

学术主页