TB-PB级基因大数据分析需要高效的分析方法，海量DNA序列拼接的主流方法是将DNA序列转化为图数据进行处理，但大规模图的内存消耗和计算效率成为重要的技术瓶颈。团队研发了新型图异步计算模型SWAP（Small World Asynchronous Parallel Model），并设计高可扩展的基因组装算法SWAP-Assembler，解决了TB级生物基因数据的高效组装问题。算法扩展性达到10万CPU核以上，可以快速处理TB级别的基因数据。

蛋白质高效模拟方法和结构预测

基于社会感知与空间智能，构建能够解析重要城市动态（疾病传播、人类移动、交通流动等）的计算与数据科学方法，研究城市动态科学的基本问题，应用于流行病控制、交通规划、城市规划、应急管理、移动互联网服务和大数据服务。特别地，聚焦于耦合人群动态的传染病时空建模研究，旨在为疫情精准防控提供科学决策支持。 基于社会感知与空间智能，构建能够解析重要城市动态（疾病传播、人类移动、交通流动等）的计算与数据科学方法，研究城市动态科学的基本问题，应用于流行病控制、交通规划、城市规划、应急管理、移动互联网服务和大数据服务。特别地，聚焦于耦合人群动态的传染病时空建模研究，旨在为疫情精准防控提供科学决策支持。

基于社会感知与空间智能，构建能够解析重要城市动态（疾病传播、人类移动、交通流动等）的计算与数据科学方法，研究城市动态科学的基本问题，应用于流行病控制、交通规划、城市规划、应急管理、移动互联网服务和大数据服务。特别地，聚焦于耦合人群动态的传染病时空建模研究，旨在为疫情精准防控提供科学决策支持。

无袖带血压测量

高血压是心血管疾病最重要的预测指标之一，动态血压及其变异性（BPV）已经被证明是更可靠的心血管疾病预测指标。本项目拟研究基于穿戴式设备的无袖带血压测量方法，实现血压的动态实时监测。具体的，基于穿戴式设备可采集到的生理信号，通过大数据挖掘方法探究血压波动关键特征，同时基于多示例深度学习建立血压模型；进一步结合机制学方法，提高血压模型的普适性和精确性。同时，针对现有无创血压监测方法在特定人群中精度不足的缺陷（如心律失常人群），研究通过高斯分解、多任务深度学习实现连续血压波形计算。