袁泽龙，男，1994年10月生，哈尔滨工程大学准聘副教授、硕士生导师，新加坡国立大学博士后研究员。本硕博分别毕业于南京航空航天大学、西北工业大学和南方科技大学。主要从事人工智能与流体力学交叉研究（AI for Fluid Mechanics），研究方向包括机器学习辅助湍流建模、深度学习驱动的大涡模拟、多尺度湍流建模、复杂涡流结构演化机理以及海洋推进装置水动力性能分析等。

 近年来，随着人工智能技术的快速发展，机器学习和深度学习正逐渐成为推动流体力学研究范式变革的重要工具。围绕复杂湍流流动的高精度预测与物理机理认知问题，本人开展了数据驱动湍流建模与智能流动预测方面的系统研究，提出了反卷积神经网络湍流模型及动态迭代反卷积算法，并将深度学习方法与传统计算流体力学（CFD）模型相结合，用于复杂湍流流动的高精度模拟与流场结构重构。相关成果发表于 Journal of Fluid Mechanics、Physical Review Fluids、Physics of Fluids、Acta Mechanica Sinica 等流体力学主流期刊，累计发表SCI论文30余篇，总引用超过1000次。

目前主持山东省自然科学基金青年项目（优先资助）、军事科技领域青年人才出国专项和中央高校基本科研业务费专项等科研项目，并参与多项国家级科研项目。曾获博士生国家奖学金、研究生一等奖学金、优秀博士研究生等荣誉。

在研究方法上，本课题组鼓励学生将机器学习、深度神经网络、物理信息神经网络（PINNs）、数据同化等人工智能方法与传统流体力学理论相结合，探索复杂湍流流动的智能建模与预测问题。同时，围绕海洋推进装置复杂流动问题，已初步搭建泵喷推进器 Tomo-PIV 实验测量平台，为数值模拟与实验研究的结合提供重要支撑。

 欢迎对人工智能、计算流体力学、机器学习、深度学习及复杂流动问题感兴趣的本科生和研究生加入课题组开展研究。