|
张正明职称： 副教授 毕业院校：南京大学 邮件： zmzhang@hdu.edu.cn 办公地点： 前沿科学技术中心大楼 职务： 研究方向： 磁性材料、人工智能、晶体设计 |
| 个人概况 研究领域 教学与课程 科研项目 科技成果 论文与著作 荣誉及奖励 |
|
|
张正明职称： 副教授 毕业院校：南京大学 邮件： zmzhang@hdu.edu.cn 办公地点： 前沿科学技术中心大楼 职务： 研究方向： 磁性材料、人工智能、晶体设计 |
|
最新更新
|
|
张正明 博士 副教授 博士生导师、硕士生导师 杭州电子科技大学 ○【研究方向】：人工智能、晶体结构预测、磁学与磁性材料、计算机视觉、图像目标检测 ○【研究方法】：深度生成模型、第一性原理计算、深度学习、微磁学模拟、新型实验技术等 ○【招生专业】：电子科学与技术、新一代电子信息技术（含量子技术等）等 ○【办公地点】：前沿科学技术研究中心大楼微电子研究院 ○【通讯地址】：杭州市钱塘区下沙高教园区2号大街1158号杭州电子科技大学 ○【电子邮件】：zmzhang@hdu.edu.cn 张正明，博士，副教授，博士生导师，现任教于杭州电子科技大学微电子研究院，研究方向聚焦于基于人工智能方法的磁电子材料设计和图像目标检测。先后承担多项国家级及省部级项目的研究任务。以第一作者或通讯作者在Advanced Science、The Innovation Energy、Rare Metals、Applied Physics Letters、IEEE Sensors Journal等期刊上发表学术论文20余篇，以第一发明人授权发明专利5项。研究工作被Nanowerk、Spintronics-Info等国际媒体作为研究亮点报道。从教以来先后讲授《大学物理》《传感器原理》《磁性世界》等本科课程。 教育经历
工作经历
社会职务
|
|
研究领域
研究兴趣：主要聚焦于人工智能与磁学交叉领域，具体包括以下研究方向： ① 人工智能驱动的磁性材料设计： 结合深度学习、生成模型、第一性原理计算等方法，开展磁性材料及相关器件的结构设计与性能优化研究。 ② 图像目标检测与磁-图融合感知： 基于深度学习方法，探索磁信息与视觉信息融合的目标检测与传感机制，发展新型磁-图协同感知技术。 ③ 固态相变物理效应及其应用： 依托先进实验技术，结合相变热力学与标度理论，研究固态相变中的物理效应与临界行为，并探索其在制冷、传感与能量收集等领域的应用潜力。 研究小组成员： 2024级博士生：龚健虎 2025级博士生：戴梦瑶 2023级硕士生：范镇宇 付航航 2024级硕士生：黄飞扬 2025级硕士生：张义冉 翁鸿仁 田晨曦 本小组毕业生： 2022~2025届博士：汪鸿昌 2019~2022届硕士：关位正 2020~2023届硕士：胡鹏强 张仿贤 2021~2024届硕士：龚健虎 2022~2025届硕士：徐卓琳 欢迎对磁学、自旋电子学和人工智能感兴趣，以学术或人工智能技术为志业的本科生和硕士生联系本课题组。
|
|
教学与课程
先后讲授的本科课程主要包括 《大学物理》 《传感器原理》 《信号与系统实验》 《磁性世界》 课题组研讨课 《晶体对称性与能带》 《固体磁性》 《深度生成模型》 《深度学习》 《Python编程基础与科学计算》 |
|
横向科研
|
|
纵向科研
|
|
专利成果
(1) 张正明; 范镇宇; 汪鸿昌; 王敦辉; 一种基于第一性原理计算的高压相交变磁性材料设计方法, 2024-11-11, 中国, ZL202411598713.2 (发明专利), 授权公告日, 2025-10-17 (2) 张正明; 龚健虎; 王敦辉; 胡鹏强; 张成亮; 基于机器学习的稀土超磁致伸缩材料筛选方法, 2022-10-9, 中国, ZL202211228194.1 (发明专利), 授权公告日, 2025-08-22 (3) 张正明; 王敦辉; 胡鹏强; 龚健虎; 张成亮; 汪鸿昌; 一种用于计算磁晶耦合材料磁驱晶格熵变的方法, 2022-6-29, 中国, ZL202210759010.8 (发明专利), 授权公告日, 2025-06-10 (4) 张正明; 龚健虎; 王敦辉; 张成亮; 基于高通量微磁学模拟筛选的应力传感检测装置设计方法, 2022-11-28, 中国, ZL202211499547.1 (发明专利), 授权公告日, 2025-01-03 (5) 张正明; 王敦辉; 汪鸿昌; 胡鹏强; 一种用于构筑强磁晶耦合合金的制备方法, 2023-03-24, 中国, ZL202310297967.X (发明专利), 授权公告日, 2024-12-27 |
|
软件成果
|
|
论文
2025年9月30日，美国纳米科学与技术网Nanowerk以Spotlight的形式，报道了本课题小组利用深度生成模型设计磁性材料的最新研究进展，报道题目为《Generative AI predicts antiferromagnets for ultrafast spintronics》 链接：https://www.nanowerk.com/spotlight/spotid=67781.php 报道内容如下：
|
|
著作
|
|
荣誉及奖励
|
|
最新更新
|
