一、学校招生要求
香港科技大学(广州)作为一所新兴的世界级研究型大学，其博士招生项目具有严格而明确的要求。根据学校官方信息，申请人需满足以下条件：
1. 学历背景：申请者必须具备来自认可大学或机构的学士学位，并有优秀的学术表现。申请博士学位项目的学生应具备以下条件之一：
·拥有优异成绩的学士学位
·或至少一年全职（或两年兼职）的研究型硕士学习经历
2. 英语能力：对于第一语言非英语且所获学位或同等资格不是以英语作为教学媒介的申请者，需要达到规定的英语水平要求。
3. 研究计划：申请者需要在申请表中阐述在香港攻读博士/硕士研究生学位的原因（不超过2000字符），以及毕业后的长期职业规划、目标和未来发展兴趣（不超过2000字符）。
4. 录取竞争性：录取过程具有竞争性，仅满足最低要求并不保证录取。
5. 奖学金机会：香港科技大学(广州)为博士生提供全额奖学金，包括：
·研究生助学金(PGS)：博士生每月可获得15,000元人民币，最长资助4年
·RedBird博士奖学金：第一年额外提供40,000港币（约5,110美元），后续年份可获学术卓越奖每年20,000港币（约2,560美元）
·会议旅行津贴：每年14,000港币（约1,790美元），为期4年
·大学住宿：保证前两年的研究生住宿
6. 申请时间：信息枢纽人工智能学域的博士项目采用全年滚动招生制，但特定学期的录取可能在某个时间点关闭。2026/27学年的博士申请将于2025年9月开始。
对于想申请香港PhD奖学金计划(HKPFS)的申请者，截止时间为2025年12月1日中午12:00（GMT+8）。这是由香港研究资助局(RGC)设立的，旨在吸引世界上最优秀的学生在香港攻读博士学位。
二、教授研究方向
Prof. Ge BAI（柏舸）于2025年3月加入香港科技大学（广州）信息枢纽人工智能学域，担任助理教授。他的研究主要集中在提高量子通信、计算和学习的效率，同时致力于降低这些领域的噪声影响。根据他的学术背景和研究经历，其主要研究方向可归纳为以下几个方面：
1. 量子信息理论：研究量子信息的基本理论和应用，包括量子通信协议、量子纠错码以及量子信息处理的理论框架。
2. 量子机器学习：探索将量子计算优势应用于机器学习算法，开发能够在量子计算机上运行的机器学习模型，以及研究量子增强的机器学习方法。
3. 量子因果推理：研究量子系统中的因果关系推断问题，包括如何从量子相关性中识别和推断因果结构，以及如何利用量子效应提高因果推理的效率和准确性。
4. 量子通信网络理论：开发更高效、更安全的量子通信网络架构和协议，研究量子网络中的信息传输和处理方法。
5. 量子基准测试：建立评估量子系统性能的方法和标准，包括量子计算机、量子通信系统和量子传感器的基准测试。
Prof. BAI在学术上有着杰出的表现。他于2021年获得香港大学博士学位，并荣获香港科学院青年科学家奖。在加入香港科技大学（广州）之前，他在新加坡国立大学量子技术中心担任博士后研究员，师从量子信息领域知名学者Valerio Scarani教授。
他的本科背景同样出色，毕业于清华大学交叉信息研究院姚班，这是中国计算机科学领域最顶尖的本科项目之一。在学术成就方面，Prof. BAI已在Physical Review Letters、Nature Communications、IEEE Transactions on Information Theory、npj Quantum Information和Quantum等量子信息领域顶级期刊上发表近20篇高质量论文，并在AQIS和Quantum Resources等重要会议上多次作口头报告。他还积极参与学术社区服务，担任AQIS的程序委员会成员，并为Physical Review Letters、QIP和AQIS等多个顶级期刊和会议担任审稿人。
三、创新研究想法
基于Prof. BAI的研究方向和全球量子信息研究的最新趋势，以下是几个高质量可行的创新研究计划：
1. 量子因果推理框架在噪声量子系统中的应用
针对当前量子计算硬件的噪声问题，开发一套适用于噪声中等量子系统的因果推理框架。该研究将探索如何利用量子态的空间和时间相关性来推断底层的因果结构，从而更好地理解和减轻噪声对量子系统的影响。项目将建立量子因果图模型，并设计实验验证其在真实量子设备上的有效性。这一研究不仅有理论意义，也能为近期量子计算硬件的错误缓解提供新思路。
2. 量子-经典混合因果学习算法
设计一种量子-经典混合架构的机器学习模型，利用量子计算优势处理因果关系推断中的复杂部分，同时使用经典计算处理数据预处理和后处理。这种混合方法可以在当前可用的量子硬件条件下实现量子加速，特别是在处理具有高维特征空间的数据集时。该研究将开发专门的量子电路设计和算法，以优化在NISQ（嘈杂的中等规模量子）设备上的表现，为医疗诊断、金融风险分析等领域提供更高效的因果推断工具。
3. 时空量子伪密度矩阵(PDM)理论的拓展与应用
基于最近的量子信息研究进展，特别是在空间时间量子伪密度矩阵方面的突破，开发更广泛的量子信息处理框架。该项目将探索如何利用PDM描述多体量子系统中的信息流，并将其应用于量子因果推理、量子通信和量子网络中。研究将建立PDM的闭式表达式，并验证其在不同量子系统中的适用性。这一理论框架有望为量子信息处理提供更统一、更强大的工具。
4. 量子网络中的分布式因果推理协议
针对未来量子互联网的发展需求，设计一套分布式量子因果推理协议，使分散的量子节点能够共同推断复杂系统的因果结构，而无需交换完整的量子状态信息。该研究将探索量子纠缠和量子通信的优势，开发能够在保护数据隐私的同时实现高效因果推理的算法。这一研究有望为量子网络安全、分布式量子计算以及量子传感网络提供关键技术支持。
5. 量子增强的AI可解释性研究
利用量子因果推理的独特优势，开发一套提高AI系统可解释性的方法。该研究将探索如何利用量子算法识别机器学习模型中的因果关系，从而增强模型的透明度和可解释性。项目将设计量子电路用于特征重要性评估和因果结构发现，并将其应用于实际的AI系统分析中。这一研究在AI安全、医疗AI和金融风险分析等领域具有重要应用前景。
【竞赛报名/项目咨询+微信：mollywei007】
