现任 NetApp 资深应用科学家(Staff Applied Scientist)。在 17 年的技术生涯里,我的研究与工程实践主要在深度学习研究、多智能体 AI 系统、数据科学以及高性能企业级系统等领域展开。我专注于设计并部署可扩展的智能系统、异常检测以及硬件推理加速,致力于将深奥的数学理论同硬核的系统工程相结合,在严苛的延迟和算力限制下,死磕生产级 AI 解决方案的工程落地。
目前,我在 NetApp 带着一支 AI & ML 研发团队,致力于把最前沿的 AI 研究真正做进企业级系统里。在此之前,我曾是 DeepCell 的数据科学家(Data Scientist),负责深度学习模型的开发与落地。我的科研经历包括在 Daniel Acuña 教授的 Science of Science & Computational Discovery Lab(雪城大学 iSchool,2020–2021年)担任研究员。期间,我们合作撰写了发表于 Nature 子刊的科学资源寿命预测论文,将严谨的统计建模与海量元数据挖掘融合在了一起。
这种"数学直觉"与底层系统工程(C++、Java)的双重背景,使我能贯通机器学习生命周期的关键环节——从自定义数学算法,到基于 GPU/TPU、PyTorch、TensorFlow、TensorRT 与 ONNX 的高吞吐推理部署。关于我 17 年来从传统系统开发逐步转向应用 AI 研究的完整职业历程,欢迎在 职业历程 页面中查看。在应对这种跨界转型时,通往最终的目的地就像一趟长途旅程,但旅途本身就像行驶在深夜的公路上——目之所及,始终只是眼前这一段路。所以我一直信奉"活在当下",与其为看不清的远景焦虑,不如沉下心来,把当下的每一步走扎实;更远的风景,往往会在前行中渐次展开。
研究、专利与开源项目
以下成果从统计建模与可复现研究,延伸到生产级 ML 系统与专利落地:
1. 学术发表与开源成果
- Predicting the longevity of resources shared in scientific publications(发表于 Nature 旗下 Humanities and Social Sciences Communications 期刊,2025年)。DOI: 10.1057/s41599-025-04716-z
- 作者团队:Daniel E. Acuña, Jian Jian, Tong Zeng, Lizhen Liang, Han Zhuang。
- 资金资助:本项目获得美国研究诚信办公室(Office of Research Integrity,项目资助编号:
ORIIR190049和ORIIR180041)项目资助。 - 核心开源工具:我自主研发并开源了核心计算包 Tobit-EN。这是一个在 Python 中基于最大后验概率估计(MAP)实现的带 Elastic Net 正则化的 Tobit 截断回归模型,专门用于建模和预测科学文献中数字资源的生命周期。
2. 发明专利(5 项已公开,2 项申请中)
- 作为核心研发团队的关键成员,我参与研发并共同申请了多项专利技术,这些技术构成了 NetApp ONTAP 实时自主勒索软件防护(Autonomous Ransomware Protection, ARP)引擎的核心算法架构(该技术曾获 《福布斯》(Forbes) 专题报道):
- Graph Vector Variation Driven Data Corruption Detection(美国专利公开号:US20250245326A1)
- Vector Variation Driven Malware Corruption Detection(美国专利公开号:US20250245324A1)
- Malicious encryption detection based on byte frequency distribution(美国专利公开号:US20250298892A1)
- Data Exfiltration Monitoring Using Hash Values(美国专利公开号:US20250330488A1)
- Data Exfiltration Monitoring Using Semantic Queries(美国专利公开号:US20250330487A1)
- Protection Graph(申请中)
- Clean Room Mechanism(申请中)
3. 开源研究工具
- ImageAnnotatorJS:一个用于构建学术图表检验与标注系统的模块化 JavaScript 库(AMD 标准),由美国研究诚信办公室(ORI)资助。
代码之外
魔兽世界

羽毛球

社区爱心募捐

查看爱心募捐明细登记表
