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，博士生导师。IEEE Member, Pacific Institute for the Mathematical Sciences(PIMS) Member，中国电子学会信息论分秘书长，常务委员；中国密码学会量子密码专委会委员；中国电子学会科技咨询工作委员会委员；中国电子学会标准化工作委员会委员；陕西量子信息产业协会理事。

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，博士生导师。IEEE Member, Pacific Institute for the Mathematical Sciences(PIMS) Member，中国电子学会信息论分会秘书长，常务委员，中国密码学会量子密码专委会委员，中国电子学会科技咨询工作委员会委员，中国电子学会标准化工作委员会委员，陕西量子信息产业协会理事。
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，继续在西电攻读光学工程硕士学位，随后进入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。目前研究方向为量子信息与量子计算，机器学习的信息理论及应用，以及量子计算与机器学习的结合应用。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开展量子计算的合作研究项目。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*科研项目*：超高速超大容量光通信编码技术（中国）。


主要研究方向
1. 量子计算、量子模拟及其应用（硕，博）： 本方向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。我们在本方面的研究包括：当前量子科技亟待突破的核心技术---量子信息处理中的差错控制；基于谷歌，IBM等主流量子模拟与仿真平台，开展量子线路的模拟与优化设计，硬件约束下的量子编码方案设计；量子计算在信息安全领域的应用等。
2. 机器学习的信息理论及其应用（硕，博）：随着机器学习/深度学习方法在关键决策领域中的不断应用，‘黑盒式’智能方法面临着诸如自动驾驶的道德困境一样的难题和挑战。本方向从信息理论角度出发，尝试将机器学习‘黑盒’从内部打开，找出符合人类认知判断的结果成因——解释。可解释性方法可能在以下方面发挥自己独到的作用：1）以解释为指引改进并完善现有模型。2)消除模型使用人员的应用疑虑。3）检测模型中存在的歧视与偏见现象。4) 阻止针对模型的对抗攻击
3. 量子计算与机器学习的结合及应用（硕，博）：量子计算与人工智能的结合是当前重要的科技前沿发展领域，也是量子计算在中近期的关键应用领域，国内外大型企业与科研院所开展了大量的研究。我们在此方向的工作包括如下方面，（对于硕士生而言，主要是利用主流量子机器学习平台，例如 TensorFlow Quantum, Tensor Network等开展量子人工智能算法的设计与应用等方面的工作。）
A: 量子机器学习理论与技术：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，也包括近期提出的量子卷积神经网络，量子递归神经网络及其应用等。
B: 人工智能辅助量子计算：基于人工智能特别是神经网络等技术来辅助量子计算所面临的各种问题，包括利用神经网络技术实现量子差错控制编码的设计及高效译码算法设计；利用神经网络辅助量子线路的优化设计与编译等方面。

---

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，博士生导师。IEEE Member, Pacific Institute for the Mathematical Sciences(PIMS) Member，中国电子学会信息论分秘书长，常务委员；中国密码学会量子密码专委会委员；中国电子学会科技咨询工作委员会委员；中国电子学会标准化工作委员会委员；陕西量子信息产业协会理事。

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，博士生导师。IEEE Member, Pacific Institute for the Mathematical Sciences(PIMS) Member，中国电子学会信息论分会秘书长，常务委员，中国密码学会量子密码专委会委员，中国电子学会科技咨询工作委员会委员，中国电子学会标准化工作委员会委员，陕西量子信息产业协会理事。
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，继续在西电攻读光学工程硕士学位，随后进入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。目前研究方向为量子信息与量子计算，机器学习的信息理论及应用，以及量子计算与机器学习的结合应用。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开展量子计算的合作研究项目。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*科研项目*：超高速超大容量光通信编码技术（中国）。


主要研究方向
1. 量子计算、量子模拟及其应用（硕，博）： 本方向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。我们在本方面的研究包括：当前量子科技亟待突破的核心技术---量子信息处理中的差错控制；基于谷歌，IBM等主流量子模拟与仿真平台，开展量子线路的模拟与优化设计，硬件约束下的量子编码方案设计；量子计算在信息安全领域的应用等。
2. 机器学习的信息理论及其应用（硕，博）：随着机器学习/深度学习方法在关键决策领域中的不断应用，‘黑盒式’智能方法面临着诸如自动驾驶的道德困境一样的难题和挑战。本方向从信息理论角度出发，尝试将机器学习‘黑盒’从内部打开，找出符合人类认知判断的结果成因——解释。可解释性方法可能在以下方面发挥自己独到的作用：1）以解释为指引改进并完善现有模型。2)消除模型使用人员的应用疑虑。3）检测模型中存在的歧视与偏见现象。4) 阻止针对模型的对抗攻击
3. 量子计算与机器学习的结合及应用（硕，博）：量子计算与人工智能的结合是当前重要的科技前沿发展领域，也是量子计算在中近期的关键应用领域，国内外大型企业与科研院所开展了大量的研究。我们在此方向的工作包括如下方面，（对于硕士生而言，主要是利用主流量子机器学习平台，例如 TensorFlow Quantum, Tensor Network等开展量子人工智能算法的设计与应用等方面的工作。）
A: 量子机器学习理论与技术：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，也包括近期提出的量子卷积神经网络，量子递归神经网络及其应用等。
B: 人工智能辅助量子计算：基于人工智能特别是神经网络等技术来辅助量子计算所面临的各种问题，包括利用神经网络技术实现量子差错控制编码的设计及高效译码算法设计；利用神经网络辅助量子线路的优化设计与编译等方面。

---

科学研究

---

学术论文

---

科研团队
团队教师




博士研究生
硕士研究生

---

课程教学
目前本人承担的教学任务：

课件下载 示例

---

招生要求
~~~~~~~~~~~~~~~~~~~~~~~~~~
关于研究生招生的信息：欢迎踏实，上进和有责任心的同学报考，报考学生的学业背景包括但不限于：通信与信息，计算机，电子，数学，物理等学科；对学习认真努力或硕士期间小有所成和愿意继续深造的同学，将优先推荐赴我们合作的国外课题组继续学习深造。
~~~~~~~~~~~~~~~~~~~~~~~~~~

---

Profile
Name Title
Department:

Contact Information
Address:
Email:
Tel:


Introduction
Put brief introduction of yourself here


Research Interests
1．
2.
3．
4．
5．

---

Research
目前研究团队承担的科研项目：

---

Papers
[1]
[2]
[3]
[4]
[5]
[6]
[7];
[8]
[9]

---

Honors
点击网页顶部“添加栏目”可以添加其他栏目
把鼠标放在栏目标题处，尝试拖动栏目。

---

Team
团队教师




博士研究生
硕士研究生

---

Teaching
目前本人承担的教学任务：

课件下载 示例

---

Admission
~~~~~~~~~~~~~~~~~~~~~~~~~~
关于研究生招生的信息：
~~~~~~~~~~~~~~~~~~~~~~~~~~