中国科学院院士，半导体与信息科学专家，是我国半导体器件与微电子奠基人之一。1949年同济大学毕业，1955年上海市劳模、1956年全国先进工作者代表，后历任中国科学院半导体所研究员、室主任、副所长、所长，1980年当选院士（学部委员）。现为中国科学院半导体研究所、中国科学院苏州纳米技术与纳米仿生研究所研究员，博士生导师，同时为中国科学院半导体研究所神经网络与形象思维实验室负责人，中国科学院苏州纳米技术与纳米仿生研究所高维仿生信息学及应用实验室负责人，兼任同济大学信息工程学院名誉院长与半导体与信息技术研究所所长、浙江工业大学智能信息系统研究所所长，中国神经网络委员会主席、中国计算机学会多值与模糊逻辑委员会名誉主任、中国计算机学会CAD与图形学委员会名誉主任、中国人工智能学会神经网络与计算智能委员会名誉主任、北京电子学会副理事长、中国电子学会副理事长、《电子学报》编委会主任、ChineseJournalofElectronics编委会主任等职。主要研究成果与研究方向：1958年，王守觉院士在国内首次成功研制锗合金扩散高频晶体管，并在109工厂进行小批量生产，应用于我国研制的晶体管化高速计算机。1959－1963年负责研究全部硅平面工艺技术，并成功研制了五种硅平面型晶体管。1974年成功应用自制的图形发生器自动制版技术制成了大规模集成电路掩模版。1976年起从事新结构电路的研究探讨，提出了一种新的多值与连续逻辑高速电路——多元逻辑电路，并试用于整机。1979年后主要从事多值与连续逻辑电路系统的研究，并使之应用于实际生产中。1990年起，王守觉院士致力于神经网络模式识别等机器形象思维的基础理论与应用研究，在国家“八五”、“九五”科技攻关中，承担了神经网络的实现和应用技术的攻关工作，研制成功我国唯一产品化的半导体神经网络硬件系列。相继两次被评为国家“八五”、“九五”科技攻关先进个人，并获2001年北京市科技进步一等奖，2001年何梁何利科技奖和2002年台湾潘文渊文教基金杰出科研奖。1990年至今，从人工神经网络的硬件化实现开始，到高维仿生信息学的发展，王守觉院士的主要研究工作大致可分为下列几个阶段。第一个阶段，从1991年到1995年，王守觉院士的研究工作主要集中于人工神经网络硬件实现的研究和人工神经网络基本概念的总结与概括。自1991年起，承担了"八五"科技攻关课题"人工神经网络的硬件化实现"，其代表性成果是一台小型神经计算机-"预言神一号"（CASSANN-I神经计算机）。CASSANN-I于1995年获得“电子科学与技术十大成果”奖，于1996年获国家“八五”科技攻关重大成果奖，为以后成功研制神经计算机系列，CASSANN-II，CASSANN-III和CASSANN-IV奠定了基础。其中2009年成功研制的CASSANN-IV，其频率达300MHz。第二个阶段，从1995年到2000年，王守觉院士用多维空间几何概念研究人工神经网络并用于模式识别，在此基础上提出并实现了一系列人工神经网络与模式识别的新模型、新硬件、新应用。1995年和1996年分别提出多值和多阈值神经元及其应用。1998年和1999年分别提出通用前馈网络(GFFN,GeneralFeed-ForwardNetworks)、优先度排序神经元网络(PONN,PriorityOrderedNeuralNetworks)及前向掩蔽模型(SLAM,Sequentiallearningaheadmaskingmodel)并应用于模式识别。1999年，提出方向基函数神经元网络新结构并应用于模式识别。1999年6月份，王守觉院士主持完成了国家自然科学基金重点项目《半导体工业生产优化问题的人工神经网络模型、算法与应用》。2000年，提出以神经网络建模解决整套生产工艺全局优化的方法并付之使用。他创新的"大生产控制参数神经网络优化算法"，在我国第二大的半导体集成电路工厂--中国华晶电子集团配合试验下，使大量生产中的某大规模集成电路的成品率相对提高了11%。鉴定委员会认为该项目将人工神经网络应用于半导体工业生产优化问题属国际首创，达到了国际先进水平。第三个阶段，从2000年到2003年，完善了仿生模式识别的理论并开始应用于图像、人脸、语言等领域，其重点在于：1）提出用多维空间几何来分析和发展神经网络算法与模式识别理论的途径，并初步地发展了多维空间几何的基本分析方法与定理，为后来发展多维空间仿生信息学奠定思想基础。2）较全面地总结和提出了仿生模式识别的基本理论及其要点：特征空间中以覆盖而非划分的识别概念和特征空间中同类样本点连续的原则。3）在仿生模式识别和DBF等神经元网络新结构的基础上广泛地进行了各种模式识别问题和自控问题的研究工作。2002年发表了仿生模式识别第一篇论文，荣获第一届中国科协期刊优秀学术论文奖。第四个阶段，从2003年至今年是多维空间仿生信息学在理论上的初步形成阶段。初步构建了一种分析多维空间中点分布情况的多维空间形象几何计算原理，并对高维仿生信息学进行了大量的应用研究。其中最显著的应用之一是低数据量人脸仿生模式识别专用神经计算机。它是一种人脸识别专用的神经计算装置，可安装于银行ATM机用作用户身份确认。在实际应用环境中，识别错误率低于5%，而采用的人脸识别特征不多于50个字节。这项应用研究已有两项专利授权，相关产品正在研发。代表性论文于2006荣获第三届中国科协期刊优秀学术论文奖，和2008年的第四届中国科协期刊优秀学术论文奖。招生方向：王守觉院士目前的主要研究方向为高维仿生信息学及应用。高维仿生信息学起源来自王守觉院士1991年至2000年人工神经网络几何分析的研究。如果用几何的视角研究神经网络，神经元和神经网络的结构会变得直观。神经元在高维空间中表示为几何结构，人工神经网络的计算任务转换成了高维空间中的几何分析。所以，可以说王守觉院士早期人工神经网络发展是高维仿生信息学的基础。计算机运行高速并且精确，带动了计算机应用和信息科学的蓬勃发展。但是，图像识别、语音理解等人类利用形象思维很容易完成的任务，对计算机来说却是个挑战。这无疑是人工智能发展的一个瓶颈。这个现实激发了王守觉院士思考人工智能发展的根本问题。回顾信息科学的发展，几乎目前所有的信息学和人工智能发展都片面的依靠逻辑思维计算模型，这一事实造成了目前人工智能发展的困境。深刻地认识到这一现实的情况下，在遵循实践→理论→实践→理论的科研工作中，王守觉院士开始思考如何根据人类形象思维的模式，探索研究基于形象思维的计算模型来解决复杂的信息学问题。由此，一种新的信息学分析理论，高维仿生信息学逐渐形成，为人工智能的发展独辟蹊径。2002年提出的仿生模式识别类似于人类的模式识别机理，基于“认识”事物，而不是像传统的模式识别方法基于“区分”事物。仿生模式识别的基本数学模型是对样本在高维特征空间几何分布的拓扑分析，所以也被称作“拓扑模式识别”。模型的基本出发点在于一种模式的样本在特征空间中分布的连续性。总结2003年前的研究工作，发现所有模型、概念、理论都基于对高维特征空间中点与点分布的几何特性和关系的分析。基于以上工作，王守觉院士开始研究通过对高维特征空间点分布作几何分析，来解决信息科学的问题。考虑通过将数字信息与高维空间中点对应，将信息处理问题转化为高维空间中对点和点集合几何特性和关系的研究。利用几何形象直观的特性来发展计算机形象思维计算模型，根据这一思路，“高维仿生信息学”在2003年被提出，并随后继续作了许多发展与应用工作。它是研究计算机形象思维计算模型的一个开始，具有长远前景，需要继续探索与发展。高维仿生信息学的应用研究主要包括多个方面，从仿生模式识别的应用到图像处理，计算机图形学等。仿生模式识别的应用研究包括人脸识别、语音识别、掌纹识别等。图像处理方面的应用研究包括图像及视频增强、彩色图像变换、图像去噪等。仿生图像变形和CG（computergraphics）动画的应用研究包括：2D人脸表情移植，2D虚拟人脸合成，3D人脸建模，人脸表情合成和特征形变等。联系方式：　　Tel：0512-62872682　E-mail：sjwang2008@sinano.ac.cn