胡力卫，男，1991年3月，讲师，博士，哥本哈根大学访问学者。2023年12月毕业于电子科技大学计算机科学与工程学院，获计算机科学与技术专业博士学位。2024年3月进入248cc永利集团计算机系工作。主要研究方向包括几何深度学习与智能空气动力学。近五年作为核心成员参与国家数值风洞工程项目、国家自然科学基金原创探索计划等多项国家级重点科研课题，主持河北省教育厅青年科学基金项目，发表SCI/EI学术论文8篇，其中3篇发表于气动领域国际顶级期刊，申请发明专利4项，已获授权1项。

代表性成果（论文）

1. Learning with Geometry: Including Riemannian Geometric Features in Aerodynamic Coefficients Prediction on Aircraft Wings[J]. IEEE Transactions on Aerospace and Electronic Systems, 2025.（SCI，中科院二区）

2. Flow field reconstructions with gans based on radial basis functions[J]. IEEE Transactions on Aerospace and Electronic Systems, 2022, 58(4): 3460-3476.（SCI，中科院二区TOP期刊）

3. Aerodynamic data predictions based on multi-task learning[J].Applied Soft Computing, 2022, 116: 108369.（SCI，中科院二区）

4. A manifold-based airfoil geometric-feature extraction and discrepant data fusion learning method[J]. IEEE Transactions on Aerospace and Electronic Systems, 2023, 59(5): 6555-6569.（SCI，中科院二区TOP期刊）

5. 几何学习：基于黎曼几何特征的飞行器机翼压力系数预测（2025，第二十一届全国计算流体力学大会）

6. Neural networks-based aerodynamic data modeling: A comprehensive review[J]. IEEE Access, 2020, 8: 90805-90823（SCI，中科院二区）

7. 一种气动大差异性数据多任务学习方法 [J]. 空气动力学学报,2022, 40(06): 64-72.（北大核心）

8. A geometry-based deep learning feature extraction method for airfoils[C]. International Conference on Computer, Artificial Intelligence, and Control Engineering (CAICE2023), Guangzhou, 2023, 691-697.（EI）

代表性成果（项目和专利）

1. 河北省教育厅[QN2026857],基于几何学习的复杂飞行器外形与飞行状态联合建模研究,2026.1-今

2. 国家数值风洞工程[2018-ZT6B11], 基于深度神经网络的气动数据建模研究,2020.1-2022.1

3. 国家数值风洞工程[NNW2019ZT6-A12], 关联布局特征参数的气动建模技术研究2020.5-2022.5

4. 国家数值风洞工程[76D206B09B], 基于深度学习的气动数据融合方法研究2021.9-2023.9

5. 国家自然科学基金原创探索项目[62250067], 全黎曼空间下深度学习方法研究2023.1-2023.12

6. 基于径向基函数气动建模生成式对抗网络模型训练方法,专利号：CN112597702B, 授权日期2021.5.

社会兼职

教育部学位论文评审专家

欢迎数学功底扎实(尤其在微积分领域)、编程能力良好、踏实认真、本科为计算机或软件相关类专业的同学与我联系（六级通过优先考虑），联系邮箱：liweihu@hebust.edu.cn