一、实验室简介

⼴东省⼤数据计算基础理论与⽅法重点实验室于 2021 年经⼴东省科技厅批注立项建设，依托香港中⽂⼤学（深圳）。本重点实验室以“大数据计算基础理论与方法”为主题，面向数据科学与大数据技术中核心的理论与计算方法，深入探索大数据理论与计算方法中的核心难题，并将大数据的方法以创新的方式应用到社会运行核心行业。

为了推动应用大数据计算基础理论与方法的发展与应用，集思广益，扩大交流，营造开放的学术氛围，吸引、凝聚国内外优秀学者，促进交叉学科和新兴学科的形成与发展，培养高层次的创新人才，本重点实验室设立开放基金。

二、资助类型

面向领域重要需求，瞄准学科前沿，促进学科发展，激励原始创新。课题支持人员围绕实验室研究方向，针对一些在国内外相关研究领域尚处于初始阶段的基础性研究，开展具有前瞻性、勇于创新的探索性研究，期望通过此类课题的研究，为在一些新兴方向取得突破性进展和持续研究奠定基础。具体选题范围参见第六部分。

三、申请要求及评审

1、申请人不限国籍，所在单位限中国大陆，需具有博士学位或中级及以上技术职称。

2、每位申请人在同一时间内只能作为课题负责人（或参与人）申请（参与）一项开放基金课题，在研开放基金课题未结题者不得申请新的开放基金课题。

3、⼴东省⼤数据计算基础理论与⽅法重点实验室项目管理办公室负责开放基金课题的申请受理工作，并组织项目的评审，获批项目由实验室主任签署审批意见；由重点实验室下发立项批准书，通知申请者及所在单位。

4、申请人需填报实验室开放课题申请书。在申请书的基础上，根据批准通知，认真填写《⼴东省⼤数据计算基础理论与⽅法重点实验室开放基金资助任务书》。经所在单位审核后，报送实验室，作为拨款和检查依据。

5、课题获得资助后，课题负责人自动成为⼴东省⼤数据计算基础理论与⽅法重点实验室的客座研究人员，鼓励来实验室进行访问研究工作。

6、开放基金资助课题所取得的成果，归实验室和研究者所在单位共有。

四、受理时间及方式

自本基金指南公布之日起，开始接受课题申请，截止日期为2022年5月31日。申请人请于2022年5月31日17:00前将申请书pdf文档发送至广东省⼤数据计算基础理论与⽅法重点实验室办公室电子信箱[email protected]。邮件标题统一以“省重点实验室-开放基金-课题名称”命名。

五、基金资助及管理

1、2022年度开放基金项目的资助金额不超过5万元，预计资助不超过10项，项目的研究期限一般为2年，项目开始时间为2022年7月1日。

2、在开放基金课题实施过程中，课题负责人需每半年提交一次课题进展报告；开放课题研究期满，必须在1个月内提交结题报告，并附相关的研究成果证明和正式发表的论文。

3、申请人可在申请时从以下两种类别中选择一种作为完成条件：

类别一：以第一作者或通讯作者发表学术论文不少于4篇，其中SCI学术论文不少于2篇。

类别二：以第一作者或通讯作者发表学术论文不少于2篇，其中SCI学术论文不少于1篇，申请并取得至少1个国内外专利授权。

4、经开放基金资助所产生的研究论文和其他成果，按实验室规定标注⼴东省⼤数据计算基础理论与⽅法重点实验室为科研资助单位，具体标注内容为“⼴东省⼤数据计算基础理论与⽅法重点实验室资助”或“This work is supported by the Guangdong Provincial Key Laboratory of Big Data Computing, The Chinese University of Hong Kong, Shenzhen”。经开放基金资助所产生的专利授权权益，由⼴东省⼤数据计算基础理论与⽅法重点实验室独享。

5、开放课题的经费使用，按照广东省财政厅、审计厅的《关于省级财政科研项目资金的管理监督办法》，同时遵守依托单位的财务管理办法，专款专用。

六、选题范围

研究选题围绕广东省重点实验室聚焦的新一代数据驱动的智能信息系统与多模态数据融合的智慧医疗两大方向，研究内容包含但不仅限于以下内容。

（1）多模态非结构化数据处理基础理论

（1.1）高维数据表征提取理论

（a）基于矩阵分解的表征学习理论

（b）基于深度学习的表征学习理论

（c）矩阵分解和深度学习中的结构稀疏化

（1.2）数据因果关系分析理论

（a）体检数据的因果关系挖掘和疾病早筛

（b）多源医疗试验数据下基于元分析的因果推断

（c）医疗数据因果推断框架

（1.3）数据安全与隐私理论

（a）数据隐私保护下的模型学习性能研究

（b）基于医疗数据训练的深度学习模型的安全漏洞研究

（c）防止恶意攻击的深度学习医疗图像识别模型的防御机制研究

（1.4）数据统计建模理论

（a）移动网络用户需求感知

（b）在地化无线信道建模

（c）复杂网络系统性能的精准建模

（2）大规模数据分析核心算法

（2.1）大数据核心优化算法及软件开发

（a）非凸优化中的核心算法

（b）张量优化的核心算法

（c）新一代优化软件开发

（2.2）机器学习与强化学习算法

（a）多智能体强化学习研究

（b）机器学习中的鞍点问题算法研究

（c）联邦-迁移学习算法研究

（3）数据科学核心应用平台

（3.1）数据驱动的智慧医疗研发平台

（a）基于数据的疾病风险预测

（b）智慧医院运营

（c）医疗文本结构化

 (d）构建基于医疗数据的联邦学习平台

（3.2）数据驱动的智能信息系统研发平台

（a）移动网络动态环境的智能感知与精准建模

（b）大规模移动网络参数的快速优化

（c）构建移动网络模拟平台

七、联系方式

        李祎伟  18823759676，[email protected]

        广东省大数据计算基础理论与方法重点实验室