Structure-Aware Learning and Modeling Lab

重要的科學與工程問題，存在於由 geometry、symmetry、hierarchy、constraints 與可觀測之 observables 所構築的結構化空間裡。我們旨在打造能善用這些內在結構的 AI 方法，跨越單純的 data-driven methods，邁向具結構意義的生成、探索與發掘。

我們透過一個貫通「直覺、數學、計算與實證」的循環來做研究。從對問題結構的直覺與科學觀察出發，我們運用數學與理論描述並分析其底層結構；再將這些理解轉化為可實作的方法，並以實證結果反過來修正方法及其背後的理解。

我們致力於建構以結構為核心的資料表徵與生成理論，並開發相應的演算法；並透過探索科學與工程領域中的前沿難題，來驗證我們研發的學習與生成方法