模式分析与机器智能（工业与信息化部）重点实验室、南京航空航天大学百强科研团队成员。

研究方向：机器学习和计算数学的交叉学科研究，AI for Science的前沿研究领域，基于物理信息的神经网络、神经算子等算法和模型的理论分析及应用。理论方面，主要研究物理与AI的融合机理，提高模型的稳定性和泛化能力；应用方面，主要研究算法在流场仿真、地震波反演等方面的应用。

以第一/通信作者在AAAI等人工智能会议和Communication in Computational Physics、Science China Mathematics等应用数学期刊发表学术论文十余篇。

主持国家自然科学青年基金1项，作为主要成员参与科技部科技创新2030重大项目、173基金、16X等国防项目多项。

开设了面向研究方向的微课程《人工智能与科学计算的结合：基础与提高》，与数学、力学等方向建立交叉研究，与清华、南大、东大、南理工、NUS等保持合作。

每年招收2~3名硕士研究生，欢迎感兴趣的同学了解报考，优秀的同学可毕业推荐到清华等学校继续深造，邮箱yeli20@nuaa.edu.cn。

近年论文：

【6】Zhou Y Y, Li Y*, Feng L, Huang S J. Improving Generalization of Deep Neural Networks by Optimum Shifting. AAAI 2025 (CCF-A，本科生一作)

【5】Li Y*, Chen S Q, Shan B, Huang S J. Causality-enhanced Discreted Physics-informed Neural Networks for Predicting Evolutionary Equations. IJCAI 2024 (CCF-A，本科生二作)

【4】Li Y*, Du T, Huang Z Y. Tailored Finite Point Operator Networks for Interface Problems. ICANN 2024 (CCF-C).

【3】Du T, Huang Z Y, Li Y*. Approximation and Generalization of DeepONets for Learning Operators Arising from a Class of Singularly Perturbed Problems, East Asian Journal on Applied Mathematics 2024.

【2】Li Y*, Du T, Pang Y W, Huang Z Y. Component Fourier Neural Operator for Singularly Perturbed Differential Equations，AAAI 2024 (CCF-A)

【1】Li Y*, Chen S C, Huang S J. Implicit Stochastic Gradient Descent for Training Physics-Informed Neural Networks，AAAI 2023 (CCF-A)