罗玖

主要研究方向

1. 深度学习与科学计算

2. 智能仿真与工业数字孪生

3. 数学建模与高性能计算

4. 复杂系统参数反演方法

5. 人工智能驱动新材料设计

亮点工作介绍

团队采用机理与数据融合的数学建模方法、高通量计算、人工智能结合全局优化等方法，展开复杂工业过程多尺度智能设计，攻关绿色低碳膜法水处理技术。系列成果发表于Nature旗下《npj Clean Water》(IF=11.4)与《Communications Engineering》、《Science Bulletin》(IF=21.1)、《Desalination》(IF=9.8)、《Separation and Purification Technology》(IF=9.0)等高水平期刊，并两次获得国家超级计算广州中心宣传报道。

1.发表在《npj Clean Water》(2025)上的论文原文：

https://www.nature.com/articles/s41545-025-00491-1

2.发表在《Separation and Purification Technology》(2025)上的论文原文：

Fast solution of 3D transport processes using a physics-informed neural network with embedded transfer learning - ScienceDirect

3. 发表在《Communications Engineering》(2025)上的论文原文：

Holomorphic embedding method for large-scale reverse osmosis desalination optimization | Communications Engineering (nature.com)

4.发表在《npj Clean Water》(2024)上的论文原文：

Bio-inspired design of next-generation ultrapermeable membrane systems | npj Clean Water (nature.com)

5. 发表在《Communications Engineering》(2024)上的论文原文：

A rapid-convergent particle swarm optimization approach for multiscale design of high-permeance seawater reverse osmosis systems | Communications Engineering (nature.com)

6. 发表在《Science Bulletin》(2023)上的论文原文：

Supercomputing and machine learning-aided optimal design of high permeability seawater reverse osmosis membrane systems - ScienceDirect

"HPC+AI for Science新范式，加速先进反渗透膜系统多尺度设计"(2023)

7. 发表在《Desalination》(2020)上的论文原文：

A hybrid modeling approach for optimal design of non-woven membrane channels in brackish water reverse osmosis process with high-throughput computation - ScienceDirect

“向海洋要淡水！广州超算研究团队推动反渗透膜组件优化设计”(2020)