团队简介：
团队成立于2014年，现有成员30余人，其中正教授2人，副教授3个，博士5人，研究生20余人，专注于人工智能安全及其应用领域的前沿研究，针对模型可解释性差、易受对抗攻击等核心问题，团队在理论层面创新提出了基于线性局部的可解释性技术与新型对抗训练方法，有效提升了模型透明度与环境鲁棒性。在应用转化方面，成功研制了多台套具有自主知识产权的智能机器人及装备，并在类脑智能、密码保护与数据安全等领域实现了成功应用。近年来，团队成果显著，获省部级以上科技奖二等奖1项、三等奖1项，国家级学会一等奖1项；承担国家自然基金、四川省人工智能重大专项等省部级以上项目10余项；发表SCI文20余篇，含中科院一、二区论文10余篇；授权发明专利10余件。
代表性成果
国家自然科学基金面上项目（项目批准号：62272068）
面向量子-经典混合机器学习的隐私保护研究
一、项目概况：
隐私保护是大数据及人工智能技术健康发展和广泛应用的前提和保障。基于量子机器学习的大数据分析将成为大数据领域的主要趋势，其研究的主要困难在于如何合理地权衡隐私性、高效性和准确性，因此，研究量子机器学习中的隐私保护问题，提出具有高效、准确、保护隐私的量子机器学习模型及算法必然会成为“大数据+人工智能+量子计算+隐私保护”交叉融合领域研究的热点。量子-经典混合机器学习是针对近期量子硬件，实现量子机器学习实用化的最合理模式，能进一步提高机器学习效率和准确性。量子机器学习以服务的方式提供给用户，数据的隐私保护问题面临诸多挑战，因此，研究量子-经典混合机器学习的隐私保护意义重大。
二、研究内容：
本课题研究量子机器学习算法的组件化及面向量子组件的隐私性度量，进一步以量子组件为单位，研究高效、准确的量子组件隐私保护机制，提出可调控隐私性、准确性和复杂性的体系化量子-经典混合有监督机器学习隐私保护模型和算法，通过在量子计算云平台上进行实验来验证模型及算法的有效性，以期为研究保护隐私的量子人工智能奠定理论和实践基础。本课题将突破量子-经典混合机器学习隐私保护中的若干关键技术，为量子人工智能健康发展探索可行的技术途径。
图1 量子机器学习隐私保护仿真应用实验框架结构图
图2从数据处理流程上分析量子机器学习算法的方案示意图（量子-经典混合模式）
发明专利
近5年来，本方向申请发明专利80余件（其中获授权专利70余件）、获软件著作权登记40余件，以下是已授权的部分发明专利情况。
2023年度西藏自治区科学技术奖一等奖
高海拔地区电力作业空地一体化安全防控技术及应用
一、项目概况：
西藏作为国家重要清洁能源基地，清洁能源开发潜力巨大，但高海拔地区恶劣环境为电力作业安全与设备巡检带来能耗高、通信弱、控制难三大挑战。项目组基于区域联网与电站建设实践，从嵌入式能耗优化、空间通信保障和分布式膜计算自主控制三方面攻关，构建了空天一体化的智能巡检体系，研发了可穿戴安全防护系统与机器人/无人机综合巡检平台，实现了高海拔复杂环境下人员防护与电力巡检的技术突破与规模化应用。
二、创新点：
（1）提出具备高效应急通信和能耗感知能力的作业人员生命状态实时评价和智能预警技术；
（2）提出高海拔地区电力生产场景的智能巡检机器人电网设备综合评估与诊断技术；
（3）提出参数不确定下的H2/H∞混合控制，解决无人机在气流紊乱中的稳定飞行问题。
