吉君恺，博士

深圳大学，助理教授

邮箱： jijunkai@szu.edu.cn

教育背景：

于2013年，合肥工业大学，化学工程与工艺专业，获得工学学士学位；

于2016年，日本富山大学，智能信息工程专业，获得工学硕士学位；

于2018年，日本富山大学，数理与人类系统科学专业，获得工学博士学位。

研究兴趣：

人工智能药物设计，脑启发式神经网络；

累计发表期刊及会议论文70余篇，申请专利4项；

主持国家自然基金面上项目，青年项目，广东省面上项目，联合基金青年基金项目，深圳市自然基金面上项目。

[1] Junkai Ji, Jin Zhou, Zhangfan Yang, Qiuzhen Lin, and Carlos A. Coello Coello. "AutoDock Koto: A Gradient Boosting Differential Evolution for Molecular Docking."IEEE Transactions on Evolutionary Computation(2022).

[2] Junkai Ji, Yajiao Tang, Lijia Ma, Jianqiang Li, Qiuzhen Lin, Zheng Tang, and Yuki Todo. "Accuracy Versus Simplification in an Approximate Logic Neural Model."IEEE Transactions on Neural Networks and Learning Systems(2020).

[3] Junkai Ji, Jiajun Zhao, Qiuzhen Lin, and Kay Chen Tan. "Competitive Decomposition-Based Multiobjective Architecture Search for the Dendritic Neural Model."IEEE Transactions on Cybernetics(2022).

[4] Junkai Ji, Minhui Dong, Qiuzhen Lin, and Kay Chen Tan. "Noninvasive Cuffless Blood Pressure Estimation With Dendritic Neural Regression."IEEE Transactions on Cybernetics(2022).

[5] Junkai Ji, Minhui Dong, Qiuzhen Lin, and Kay Chen Tan. "Forecasting Wind Speed Time Series Via Dendritic Neural Regression."IEEE Computational Intelligence Magazine16, no. 3 (2021): 50-66.

[6] Junkai Ji, Shuangbao Song, Cheng Tang, Shangce Gao, Zheng Tang and Yuki Todo*, "An artificial bee colony algorithm search guided by scale-free networks."Information Sciences, 473 (2019): 142-165.

[7] Junkai Ji, Shuangbao Song, Yajiao Tang, Shangce Gao, Zheng Tang and Yuki Todo, "Approximate logic neuron model trained by states of matter search algorithm."Knowledge-Based Systems, 163 (2019): 120-130.

[8] Junkai Ji, Shangce Gao, Jiujun Cheng, Zheng Tang, and Yuki Todo, "An approximate logic neuron model with a dendritic structure."Neurocomputing173 (2016): 1775-1783.

[9] Junkai Ji, Cheng Tang, Jiajun Zhao, Zheng Tang, and Yuki Todo. "A Survey on Dendritic Neuron Model: Mechanisms, Algorithms and Practical Applications."Neurocomputing(2022).

个人主页：

https://www.researchgate.net/profile/Junkai-Ji.

招聘研究生和博士生：

招收计算机、数学，医药学和生物学相关专业研究生；

培养目标：

（1）基本知识：掌握本学科扎实的基础理论和系统的专业知识，以及系统的生物信息学方法和实验技能，掌握一门外国语；

（2）基本学术能力：以第一作者或除导师外第一作者发表1篇与专业相关的学术论文，或获取1项已通过实审的发明专利；

（3）学位论文基本要求：学位论文体现作者初步掌握本研究方向的科学研究方法和实验技术，并具有独立从事科学研究工作的能力。

招聘博士后：

招聘35周岁以下，取得国（境）内外高水平大学或研究机构博士学位不超过3年的博士后；有机器学习，药物设计等研究背景者优先；

（1）薪资待遇：综合年薪32万元起；深圳市对出站博士后给予30万元资助，用于科研投入或创业前期费用；

（2）职业发展：符合条件的博士后可申请评定专业技术资格；在站期间表现优异且符合招聘条件者，可择优录用为预聘-长聘制教师；

（3）安居政策：可申请租住学校周转房，租金优惠；

（4）入户政策：可在深圳市落户，配偶及未成年子女可办理随迁入户。

（5）博士后在站期间可以负责人身份申请各级科研课题资助。

有意向者，欢迎邮箱联系。

研究方向

计算机辅助药物设计

针对疾病的靶点蛋白，利用深度学习和机器学习的方法删选出有效的候选药物分子，为后续药理和临床实验做指导。

Ligand是药物分子，几微克的计量可以大幅度改变人体机能，比如阿司匹林；蛋白质是参与人体生物化学反应的载体，比如某种癌症的靶点；

Autodock Koto，是我们团队开发基于梯度差分进化的分子对接算法。Compared with either commercial or academic docking programs, Koto yields dramatic improvements in the success rates of generating crystal-like complex conformations.

脑启发式神经网络

受生物神经元和神经回路启发，建模具有生物可解释性的人工神经网络架构。

树突状神经元模型是我们提出的一种具有可塑性树突状形态的新型神经模型。

树突状神经元模型由突触层、树突层、膜层和细胞体组成， 每一层由不同的激励函数执行相应的神经功能。

通过神经修剪方案，DNM 可以消除多余的突触和树突分支，以简化其架构并为每个特定任务形成独特的神经元形态；

通过逻辑近似方案，DNM 可以转换为逻辑电路分类器 (LCC)，它仅由比较器和逻辑 AND、OR 和 NOT 门组成；

LCC 易于在硬件上实现大规模并行计算，例如现场可编程门阵列 (FPGA) 和超大规模集成 (VLSI)；

DNM的模型细节、相关论文和源码，见模型网站：https://jijunkai123.github.io/DNM/。