童佳亮

面向医院、科研单位及中药生产企业，提供中成药与天然产物方向的计算机辅助研发服务。服务内容涵盖成分信息整理、潜在作用靶点分析、安全性初筛、质量标准辅助制定与临床方案设计。利用 AI 药学技术解析中药复方的药理机制，实现老药的二次开发。

提出了一种神经变性病前驱期分期和亚型识别的算法：通过变量无损去相关和改进的 EM 算法，提高了该类疾病前驱期分期的准确性和精度；采用分期进展序列约束（UDC）机制和 MMD-DTW 算法增强了亚型识别的能力及临床可解释性；通过 GA 算法提升了计算效率和参数搜索的准确性。本算法成果的成功应用，将有望帮助中国老年人提前 15 年识别和预测该类疾病，从而有望降低 50% 的疾病发病风险。

成果：《一种基于 SuStaIn-Advance 的疾病分期与亚型识别方法》专利号 CN118116582A；2024 BAPP 算法大赛全球 Top 10。

电力系统负荷预测是保障电网安全运行、科学规划的基础。本文以浙江省 10068 家企业的电力负荷数据（瞬时有功及平均功率，kW）为实验对象，改进了 Transformer 模型适配电力负荷的长距离非线性趋势：使用卷积神经网络捕获局部依赖；使用长短时记忆网络和自注意力机制捕获远距离依赖；并加入新息数据纳入与循环预测机制。对比实验表明：所提方法的平均均方误差较对比算法下降 3.06%–77.60%（实时预测）、22.11%–153.42%（短期预测）。

成果：童佳亮. 电力数据处理与负荷预测的研究[D]. 浙江大学, 2023。

提出一套面向养老照护场景、以「数据 — 知识 — 推断 — 协同」四层贯通架构为核心的全链路智能体解决方案。以长期照护「证据 + 判断」双轮驱动为总体方法，构建覆盖「基态 — 触发 — 就医 — 返回」全周期的智能照护闭环。

成果：2026 MinerU 数据智能与前沿语料挑战赛二等奖。

针对高频行情跨市场、跨状态切换导致的 alpha 失效与域偏移问题，提出 AAT-Former（Adversarially Adaptive Transformer for High-Frequency Quantitative Trading）。模型以限价订单簿、逐笔成交与报价为多源输入，经时间分桶与 DTW-K-means 微观结构聚类完成状态感知分段；再由因果卷积、位置编码与 Transformer 块构成多尺度时序编码器，得到潜在市场状态表示。

预测端通过交叉注意力、LSTM 与 MLP 输出收益、方向与波动率信号；同时引入梯度反转层（GRL）与最大均值差异（MMD）对齐，通过对抗式状态 / 场所判别器抑制域泄漏，学习状态不变的市场表征，提升跨域 alpha 迁移的稳健性。