• 欢迎学有余力、有一定编程基础、愿意投入时间和精力的本科生（不限于电气学院），我们将支持参与科研项目、发表学术论文、参加学术会议和学科竞赛。

• 欢迎积极主动、有一定数理功底和编程基础的推免生、直博生、考研生、申请考核生（也非常欢迎数学、物理、计算机等跨专业学生），我们将尽力根据学生的兴趣和未来职业规划安排科研工作，鼓励发表高水平学术论文，支持参加国内外学术交流和工业界交流。

• 欢迎通过邮件、电话、微信、QQ等联系方式与我进一步交流（也欢迎与我的在读或已毕业学生交流）。

个人简介：

仲林林，1990年生，江苏如皋人，304永利集团官网入口教授，博士生导师，电气工程与等离子体工程双博士，304永利集团官网入口至善青年学者（A类），中国电工技术学会青年工作委员会委员，中国电机工程学会高电压专委会青年学组委员，IEEE PES中国区输配电技术委员会检测试验技术分委会理事，江苏省电源学会高压与等离子体专委会副秘书长，中国电工技术学会高级会员，IEEE、中国电机工程学会、中国物理学会、美国物理学会、中国计算机学会、中国人工智能学会、江苏省人工智能学会会员。作为国内最早一批将人工智能技术引入等离子体数值模拟的研究人员，目前正积极探索开展人工智能与等离子体仿真（AI for Plasma）、数字孪生、电力设备智慧运维等领域的交叉研究。在国际上率先提出了用于等离子体数值模拟的深度学习通用框架，并被江苏电视台2020年五四青年节特别节目采访报道。提出并发展了面向等离子体数值计算的系列人工智能方法，包括CS-PINN, RK-PINN, Meta-PINN, NAS-PINN, DeepCSNet, PaRO-DeepONet等。开发了领域首个面向等离子体数值模拟的人工智能开源算法工具包 AI4Plasma。近年来，主持国家自然科学基金4项，省部级基金3项，入选江苏省科协青年科技人才托举工程，获江苏省电工科学技术奖（优秀青年科技工作者）、中国电工技术学会等离子体及应用专委会优秀青年学者提名。在国内外学术期刊发表论文60余篇，出版软件开发专著2部，授权发明专利10余项。研究期间担任电气工程、等离子体物理、应用物理、计算物理、人工智能应用等领域30多个国内外著名学术期刊的审稿人，以及多个国内外学术会议领域主席、分会主席或召集人，获20余次国内外会议邀请报告。

教育经历：

2008.09 – 2012.07，西安交通大学，电气工程与自动化，本科
2012.09 – 2013.07，西安交通大学，电气工程，硕士
2013.09 – 2017.06，西安交通大学，电气工程，博士
2015.09 – 2017.06，法国图卢兹第三大学，等离子体工程，博士（双学位）

工作经历：

2017.06 – 2020.04，304永利集团官网入口，304永利集团官网入口，讲师
2020.04 – 2024.12，304永利集团官网入口，304永利集团官网入口，副研究员（教学科研岗，破格晋升）
2021.07 –，304永利集团官网入口，304永利集团官网入口，博士生导师
2025.01 –，304永利集团官网入口，304永利集团官网入口，教授

代表性学术论文：

高电压与放电等离子体方向（环保替代气体、物性参数计算、碰撞截面计算、流体仿真）

1. Z. Wang, B. Baheti and L. Zhong*, Two-Temperature (2T) Non-LTE Plasmas of C4F7N and C5F10O Mixed with CO2, N2 and O2 as Eco-Friendly SF6 Replacements: Thermodynamic, Transport, and Radiation Properties, Plasma Chemistry and Plasma Processing, 46, 3 (2026).

2. H. Ren and L. Zhong*, Plasma properties and arc decaying characteristics of perfluoromethyl vinyl ether (C3F6O) as new eco-friendly arc quenching medium, Journal of Physics D: Applied Physics, 58 (26), 265202 (2025).

3. L. Zhong*, Q. Gu, and B. Wu, Graphite production in two-temperature non-LTE plasmas of C4F7N and C5F10O mixed with CO2, N2, and O2 as eco-friendly SF6 replacements: A numerical study, Plasma Processes and Polymers, 18 (8), 2100036 (2021).

4. L. Zhong*, B. Wu, S. Zheng, and Q. Gu, A database of electron-impact ionization cross sections of molecules composed of H, C, N, O, and F, Physics of Plasmas, 28, 083505 (2021).

5. L. Zhong*, A. B. Murphy, X. Wang, and M. Rong, Calculation of two-temperature plasma composition: part 1. Mass action law methods and extremum searching methods, Journal of Physics D: Applied Physics, 53 (6), 065202 (2020).

6. L. Zhong*, J. Wang, J. Xu, X. Wang, and M. Rong, Effects of Buffer Gases on Plasma Properties and Arc Decaying Characteristics of C4F7N-N2 and C4F7N-CO2 Arc Plasmas, Plasma Chemistry and Plasma Processing, 39, 1379-1396 (2019).

7. L. Zhong*, J. Xu, X. Wang*, and M. Rong, Electron-impact ionization cross sections of new SF6 replacements: A method of combining Binary-Encounter-Bethe (BEB) and Deutsch-Märk (DM) formalism, Journal of Applied Physics, 126 (19), 193302 (2019). 

8. L. Zhong*, J. Wang, X. Wang, and M. Rong, Calculation of electron-impact ionization cross sections of perfluoroketone (PFK) molecules CxF2xO (x = 1-5) based on Binary-Encounter-Bethe (BEB) and Deutsch-Märk (DM) methods, Plasma Sources Science and Technology, 27, 095005 (2018). 

9. 仲林林*, 王逸凡, 顾琦, C4F7N气体电弧的辐射输运特性研究, 电工技术学报, 38(19), 5316-5329 (2023). 

人工智能与等离子体（AI for Plasma）方向（物理信息神经网络、算子学习、流体计算、碰撞截面计算）

1. Y. Wang and L. Zhong*, NAS-PINN: Neural architecture search-guided physics-informed neural network for solving PDEs, Journal of Computational Physics, 112603 (2024).

2. Y. Wang and L. Zhong*, DeepCSNet: a deep learning method for predicting electron-impact doubly differential ionization cross sections, Plasma Sources Science and Technology, 33, 105012 (2024).

3. H. Ren and  L. Zhong*, A deep operator network-based method for fast predicting arc quenching performance of eco-friendly gases, Journal of Physics D: Applied Physics, 59, 015201 (2026).

4. L. Zhong*, B. Wu, and Y. Wang, Accelerating physics-informed neural network based 1D arc simulation by meta learning, Journal of Physics D: Applied Physics, 56 (7), 074006 (2023).

5. L. Zhong*, B. Wu, and Y. Wang, Low-temperature plasma simulation based on physics-informed neural networks: Frameworks and preliminary applications, Physics of Fluids, 34 (8), 087116 (2022). 

6. L. Zhong*, Q. Gu, and B. Wu, Deep learning for thermal plasma simulation: Solving 1-D arc model as an example, Computer Physics Communications, 257C, 107496 (2020). 

7. L. Zhong*, Fast prediction of electron-impact ionization cross sections of large molecules via machine learning, Journal of Applied Physics, 125 (18), 183302 (2019).

8. 仲林林*, 王逸凡, 任和, 吴奇, 韩汶轩, 陈洪洪, 人工智能驱动的低温等离子体数值模拟研究综述, 高电压技术, 50 (7), 2879-2893 (2024). 

人工智能与电力运维（AI for EE）方向（故障诊断、目标检测、异常检测、联邦学习）

1. L. Zhong*, K. Liu, Visual Classification and Detection of Power Inspection Images Based on Federated Learning, IEEE Transactions on Industry Applications, 60 (4), 5460-5469 (2024).

2. L. Zhong*, B. Baheti, Cable Fault Location in Distribution Network Based on Decomposition of Time Reversal Operator, IEEE Transactions on Industry Applications, 60 (5), 7557-7565 (2024).

3. 仲林林*, 刘柯妤. 面向电力巡检图像目标检测的联邦学习激励机制, 电工技术学报, 39 (17), 5434-5449 (2024).

4. 仲林林*, 吴奇, 叶俊杰, 高丙团. 基于元学习的变电设备小样本缺陷图像检测, 仪器仪表学报, 45 (10), 154-167 (2024).

5. 胡霞, 仲林林*, 基于改进R3det的无人机电力杆塔倾斜程度检测, 仪器仪表学报, 44 (10), 189-200 (2023). 

6. 仲林林*, 胡霞, 刘柯妤, 基于改进生成对抗网络的无人机电力杆塔巡检图像异常检测, 电工技术学报, 37 (09), 2230-2240+2262 (2022).

著作：

1. 仲林林, 王沫, PHP 从入门到精通, 中国铁道出版社, 2014

2. 仲林林, PHP+MySQL 开发技术详解, 中国铁道出版社, 2013

代表性发明专利：

1. 仲林林, 王逸凡. 一种基于自学习网络架构的电弧等离子体仿真方法. ZL202511486310.3

2. 仲林林, 吕建骅. 基于算子学习的低气压等离子体粒子模拟方法及系统. ZL202511483708.1

3. 仲林林, 吴冰钰, 王逸凡. 一种基于双神经网络框架的等离子体方程数值计算方法. ZL202110782738.8

4. 仲林林, 吴冰钰, 王逸凡. 一种开关电弧模型的快速仿真方法. ZL202310140875.0

5. 仲林林, 顾琦, 高丙团, 何嘉弘. 一种基于1维电弧模型的环保型灭弧气体快速筛选方法. ZL202010258358.X

6. 仲林林, 张淑文. 一种构建有载分接开关电弧传热数字孪生体的方法及系统. ZL202310592834.5

7. 仲林林, 巴依塔克·巴合提. 一种配网电缆线路多故障定位方法及系统. ZL202310422161.9

8. 仲林林, 郑尚直, 高丙团. 基于贝叶斯优化阶梯网络的有载分接开关故障诊断方法. ZL202210032235.3

9. 仲林林, 胡霞. 一种基于旋转目标检测网络的电力杆塔倾斜程度检测方法. ZL202310322020.X

10. 仲林林, 刘柯妤, 胡霞. 基于联邦学习的电力巡检图像异常检测方法及系统. ZL202111491484.0

代表性学术邀请报告：

1. Physics-informed low-temperature plasma simulation: frameworks and applications, Workshop of Data-driven Plasma Science, The 77th Annual Gaseous Electronics Conference (GEC 2024), American Physical Society (APS), San Diego, California, 2024

2. Physics-informed frameworks for low-temperature plasma simulation, The 51st International Conference on Plasma Science (ICOPS 2024), Beijing, 2024

3. Operator learning-based low-temperature plasma simulation, The Third Hong Kong Society for Industrial and Applied Mathematics (HKSIAM) Biennial Conference, Hong Kong, 2025

4. AI-driven plasma simulation: frameworks and applications, The 6th International Symposium on Plasma and Energy Conversion (iSPEC 2025), Hong Kong, 2025

5. Application prospect of AI-driven differentiable plasma modeling, The 7th Asia-Pacific Conference on Plasma Physics (AAPPS-DPP 2023), Nagoya, Japan, 2023

6. Design physics-informed neural networks by neural architecture search, IEEE 6th International Electrical and Energy Conference (CIEEC 2023), Hefei, 2023

7. AI driven plasma simulation and its acceleration by meta learning, International Online Plasma Seminar (IOPS), Gaseous Electronics Conference (GEC), American Physical Society (APS), 2023

8. Physics-informed low-temperature plasma simulation and its acceleration technology, Frontiers in Mathematical Science (数学科学前沿大会), 清华三亚国际数学论坛, 2022

9. 人工智能技术在低温等离子体数值模拟中的应用, 第九届世界华人数学家大会（The 9th International Congress of Chinese Mathematicians, ICCM 2022）“数学+工业”圆桌论坛, Nanjing, 2022

10. Runge-Kutta Physics Informed Neural Network (RK-PINN) for solving plasma PDEs with transient terms, Physics informed Artificial Intelligence in Plasma Science (PiAI) Seminar (Online), Osaka, Japan, 2022

代表性科研项目：

1. 国家自然科学基金项目，人工智能驱动的气体放电等离子体电子-分子碰撞截面高效计算方法研究

2. 国家自然科学基金项目，人工智能驱动的低气压等离子体多尺度建模与高效计算研究

3. 国家自然科学基金项目，基于深度学习的电磁能装备电磁热力多物理场耦合高精度数值计算方法研究

4. 国家自然科学基金项目，两类新型环保气体电弧等离子体的辐射输运特性研究

5. 江苏省自然科学基金项目，环保型SF6替代气体电弧粒子输运特性与磁流体行为研究

6. 电力公司科技合作项目，基于环保气体的配网小型化环网箱关键技术研究与应用

7. 电力公司科技合作项目，基于数字孪生的换流变有载分接开关状态感知与评估技术研究

8. 电力公司科技合作项目，基于空间谱变换的配电网电缆故障识别与定位技术研究

9. 电力公司科技合作项目，基于深度网络的变电站危险区域人员入侵检测技术研究

10. 电力公司科技合作项目，变压器有载分接开关状态评估软件平台研发

代表性荣誉奖励：

1. 江苏省工程热物理学会科学技术奖（1/2），2025

2. 江苏省电工科学技术奖（优秀青年科技工作者），2025

3. 中国电工技术学会等离子体及应用专业委员会优秀青年学者提名，2024

4. 江苏省科协青年科技人才托举工程，2021

5. 304永利集团官网入口至善青年学者（A类），2021

6. 中国电机工程学会高电压学术年会优秀论文奖，2019

7. 全国高电压与放电等离子体学术会议优秀报告奖，2018 & 2022

8. Outstanding Oral Report Award of 19th Asian Conference on Electrical Discharge, 2018

9. 304永利集团官网入口第15届“我最喜爱的研究生导师”提名暨学院“我最喜爱的研究生导师”，2025

10. 304永利集团官网入口第28届青年教师授课竞赛三等奖，2021

教学工作：

本科生：《高电压与绝缘技术》《新生研讨课（吴健雄学院）》

研究生：《高电压理论应用及发展》

人才培养：

在读研究生：

博士生：任和、王逸凡、吕建骅、杨业翔

硕士生：韩汶轩、陈洪洪、王左、柴佳琳、庆家兴

已毕业研究生：

王佳宇（联影智能）、徐杰（上海电力公司）、顾琦（江苏电力公司）、郑尚直（四川电力公司）、吴冰钰（江苏电力公司）、刘柯妤（微软中国）、胡霞（思看科技）、叶俊杰（上海电力公司）、张淑文（宁德时代）、巴依塔克·巴合提（国网新疆电科院）、吴奇（江苏电力公司）

已毕业本科生：

刘昌杰（某研究所）、唐思恒（江苏电力公司）、鲁馨忆（重庆电力公司）、陈知秋（中学任教+读研）、陈阳（清华大学读研）、王竞泽（清华大学读研、优秀毕设论文获得者）、王逸凡（304永利集团官网入口读研）、周航（美国布朗大学读研）、徐梦瑶（西安供电局）、屈仲平（西安交通大学读研）、巴依塔克（304永利集团官网入口读研）、石淼（国网电科院读研）、冉新宇（巴黎综合理工读博）、陈佳敏（清华大学读研、优秀毕设论文获得者）、季诺（苏州供电局）、刘艺曼（苏州供电局）、王左（304永利集团官网入口读研）、柴佳琳（304永利集团官网入口读研）、何佳俊（考研）、傅道奕（清华大学读研）

本科生SRTP成果：

1. X. Zhou, Y. Hao, P. Li, L. Zhong. Deep operator network-based black-box DC arc model and its parameter identification. Journal of Applied Physics, 138, 153304, 2025.

2. 魏蓉, 陈锦培, 仲林林. 基于深度算子网络的电磁轨道发射速度趋肤效应的快速计算方法, 电工技术学报, 40, 1344-1354, 2025.

3. X. Zhou, Y. Hao, B. Shen, P. Li, L. Zhong. Data-Driven Surrogate Model for DC Series Arc Fault Simulation.  Proceedings of the 1st Electrical Artificial Intelligence Conference, 2025.

4. C. Zhang, T. Xu, W. Sun, L. Zhong. Influence of O2 on thermophysical properties of C4F7N-CO2 arc plasmas, The 5th International Symposium on Plasma and Energy Conversion (iSPEC), 2023.（获 Excellent Poster Award）

5. X. Ran（获康奈尔大学、巴黎综合理工等多所顶尖大学全奖offer）, L. Ge, L. Zhong. Dynamic Margin for Federated Learning with Imbalanced Data, International Joint Conference on Neural Networks (IJCNN), 2021.