Posts

潘世瑞，澳大利亚基金委杰出青年 ARC Future Fellow （2021年全澳信息学部仅5人入选），入选澳大利亚昆士兰艺术与科学院（QAAS） Fellow （QAAS是昆士兰顶级科学机构，其Fellow 选择标准是对科学艺术作出杰出贡献），格里菲斯大学（Griffith University） 正教授（Full Professor）。连续三年入选全球AAAI/IJCAI最具影响力学者，连续3年入选全球前2%顶尖科学家榜单， 获得2021蒙纳士大学信息技术学院青年研究卓越奖。获得2024 IEEE TNNLS杰出论文奖、2020年数据挖掘会议ICDM 最佳学生论文奖、2020年JCDL会议最佳论文提名奖。在NeurIPS、ICML、KDD、TPAMI、TKDE等发表高水平论文200篇。同时担任TPAMI, TNNLS, TKDE, TCYB等领域期刊审稿人，任IJCAI, AAAI, KDD, WWW, CVPR 等（高级）程序委员会委员。30,000+，H指数（H-Index) 64。主要研究方向为数据挖掘、机器学习、图深度学习。过去3年其研究受到澳大利亚基金委（Australian Research Council)， 亚马逊AWS，澳大利亚国防科技部（Defence Science and Technology Group），美卓奥图泰 (Metso Outotec)等资助。

潘世瑞 (Shirui Pan)，Griffith University (格里菲斯大学）终身教授（Full Professor）。现招聘2024/2025年入学3名博士生加盟其新课题组，从事图神经网络、知识图谱、时间序列、大语言模型方向研究，提供全额奖学金。 关于本团队 潘世瑞，澳大利亚基金委杰出青年 ARC Future Fellow （2021年全澳信息学部仅5人入选），入选澳大利亚昆士兰艺术与科学院（QAAS） Fellow （QAAS是昆士兰顶级科学机构，其Fellow 选择标准是对科学艺术作出杰出贡献），格里菲斯大学（Griffith University） 正教授（Full Professor）。连续三年入选全球AAAI/IJCAI最具影响力学者，连续3年入选全球前2%顶尖科学家榜单， 获得2021蒙纳士大学信息技术学院研究卓越奖（早期研究者）。获得2024 IEEE TNNLS杰出论文奖、2020年数据挖掘会议ICDM 最佳学生论文奖、2020年JCDL会议最佳论文提名奖。在NeurIPS、ICML、KDD、TPAMI、TKDE等发表高水平论文200篇。同时担任TPAMI, TNNLS, TKDE, TCYB等领域期刊审稿人，任IJCAI, AAAI, KDD, WWW, CVPR 等（高级）程序委员会委员。30,000+，H指数（H-Index) 64。主要研究方向为数据挖掘、机器学习、图深度学习。过去3年其研究受到澳大利亚基金委（Australian Research Council)， 亚马逊AWS，澳大利亚国防科技部（Defence Science and Technology Group），美卓奥图泰 (Metso Outotec)等资助。

I am a full Professor at Griffith University. I am looking for self-motivated Ph.D students funded by: (1) Griffith University (2) Australian Research Council. Multiple Phd positions are available. Applicants currently in Australia are especially welcome!

Our research group has been working extensively in graph machine learning (ML), particularly in graph neural networks (GNNs). Some of the GNN research is highlighted below. Besides graph ML, we are also working in the broad area of AI.

Journal Future-Generation Computing Systems (IF 5.768, CORE A). Introduction Recent years have witnessed a dramatic increase of graph applications due to advancements in information and communication technologies. In a variety of applications, such as social networks, communication networks, internet of things (IOTs), and human disease networks, graph data contains rich information and exhibits diverse characteristics.

Journal Neurocomputing (IF 4.072). Introduction Recent years have witnessed the release of many open-source and enterprise-driven knowledge graphs with a dramatic increase of applications of knowledge representation and reasoning in fields such as natural language processing, computer vision, and bioinformatics.