主要从事人工智能的数学模型与算法研究。目前的主要研究方向包括：

• 基础学习算法研究 :  模型驱动的深度学习，AI模型自适应性、泛化性、可解释性的基础研究，以最优传输构建生成式人工智能基础，三维点云与非欧流形上的深度学习方法

• 人工智能与医学/生命科学交叉：图像与医学影像重建、医学多模态数据分析大模型

• 校企合作重要领域中的人工智能方法：多模态数据分析、时序数据分析中的基础模型与方法

上述方向属于数学与人工智能的交叉领域。欢迎有申请硕士/博士/博士后意向的学生通过邮件发送简历联系。详细信息请见：http://gr.xjtu.edu.cn/web/jiansun/research_group.

招生信息：欢迎联系博士后、医工交叉博士后，数学或统计学学术博士/电子信息方向工程博士

教育与科研经历：

• 2012/01 - 至今， 西安交通大学数学与统计学院，副教授(2012)、教授（2017）

• 2012/09 - 2014/08, 法国国家信息与自动化研究院/巴黎高等师范学院(合作导师：Jean Ponce教授)，博士后

• 2009/07 - 2011/12, 西安交通大学，理学院，讲师

• 2009/08 - 2010/04，美国中佛罗里达大学，计算机学院（合作导师：Marshall Tappen教授），博士后

• 2005/11 - 2008/03，微软亚洲研究院，视觉计算组（合作导师：Jian Sun博士），"明日之星"项目学生

• 2003/09 - 2009/06，西安交通大学，应用数学专业  博士学位（导师：徐宗本院士）

• 1999/09 - 2003/07，电子科技大学，应用数学学院，学士学位

短期学术访问:

• 2018/02 - 2018/02,  纽约大学数据科学中心/Courant研究所

• 2018/01 - 2018/02,  约翰霍普金斯大学IACL医学影像实验室

• 2017/03 - 2017/03,  香港浸会大学数学系

• 2016/06 - 2016/06,  法国INRIA-Willow组

学术服务：

•  Associate Editor, IEEE Transactions on Pattern Analysis and Machine Intelligence (IEEE TPAMI)

•  Associate Editor, International Journal of Computer Vision (IJCV)

•  Area Chair, ICLR 2025, CVPR 2025, ICCV 2025, CVPR 2026, ICLR 2026

•  Area Chair, MICCAI, 2021

•  Area Chair, British Conference on Computer Vision (BMVC-21, 22)

•  Senior PC, International Joint Conference on Artificial Intelligence, Canada (IJCAI-21)

•  Area Chair, Chinese Conference on Pattern Recognition and Computer Vision, 2021

•  Area Chair, International Conference on Machine Vision Applications (2021, 2023)

•  Area Chair, European Conference on Computer Vision (ECCV-2020, 2024)

•  Area Chair, International Conference on Computer Vision (2019, 2023)

•  Senior PC, International Joint Conference on Artificial Intelligence (IJCAI-18)

•  Area Chair, Asian Conference on Computer Vision (2024)

• 《数值计算与计算机应用》编委

1. 国家杰出青年科学基金                                    

2. 爱思唯尔“中国高被引学者”

3. 全球前2%顶尖科学家榜单(终身科学影响力)

4. 国家自然科学二等奖(第二完成人)

5. 陕西省自然科学奖一等奖      

6. 西安交通大学师德先进个人                    

7. 入选强国青年科学家奖                           

8. 基金委“优秀青年科学基金”

9. CSIAM"优秀青年学者奖"                                    

10. 教育部新世纪优秀人才支持计划

学术专著：孙剑、徐宗本，《模型驱动的深度学习——模型与数据双驱动的人工智能建模方法》，科学出版社，2025.   章节: (1) 模型与数据双驱动方法概述，(2) 优化模型驱动的深度学习方法，(3)统计模型驱动的深度学习方法， (4)  几何模型驱动的深度学习方法， (5) 微分方程建模与求解的深度学习方法，(6) 结语与展望

代表性论文如下(Link to full list)：

1. 模型驱动深度学习（模型与数据双驱动学习方法）

• Jian Sun, Marshall Tappen. Learning Non-local Range Markov Random Field for Image Restoration.  IEEE Conf. Computer Vision and Pattern Recognition (CVPR), Colorado, USA, 2011. (提出非局部MRF模型, 并通过梯度下降展开过程的反向求导实现MRF统计分布参数学习）

• Jian Sun, Marshall Tappen. Separable Markov Random Field and Its Application in Low Level Vision. IEEE Transactions on Image Processing, Vol. 22, No. 1, Pages:402-408, 2013 （学习Markov随机场的可分滤波器组，提高图像处理计算速度）

• Jian Sun, Jian Sun, Zongben Xu. Color Image Denoising via Discriminatively Learned Iterative Shrinkage. IEEE Transactions on Image Processing, 24(11):4148-4159, 2015. （将图像正则化项的迭代阈值算法推广为可学习深度结构，采用核回归技术学习非线性变换，从而隐式学习图像正则项）

• Yan Yang, Jian Sun*, Huibin Li, Zongben Xu.  Deep ADMM-Net for Compressive Sensing MRI, Advances in Neural Information Processing Systems, 2016 （压缩传感正则化先验与模型/算法超参数的自适应学习方法，将压缩传感 / MRI成像物理机制与深度学习结合的最早工作之一）

• Yan Yang, Jian Sun*, Huibin Li, Zongben Xu. ADMM-CSNet: A Deep Learning Approach for Image Compressive Sensing. IEEE Trans. on Pattern Recognition and Machine Intelligence, 2019  （将深度学习与一般图像压缩传感成像结合的模型/数据双驱动学习方法）

• Zongben Xu*, Jian Sun*. Model-driven Deep Learning, National Science Review, 2018. (模型驱动深度学习的提出论文，为结合领域知识/模型构造深度结构提供思路)

• 模型与数据双驱动系列工作综述：CSIAM Trans. on Applied Mathematics，https://doc.global-sci.org/uploads/online_news/CSIAM-AM/202009010924-17030.pdf，2020.

2. 人工智能基础模型与算法

• Dongyi Wang, Yuanwei Jiang, Zhenyi Zhang, Xiang Gu, Peijie Zhou, Jian Sun, Joint Velocity-Growth Flow Matching for Single-Cell Dynamics Modeling, NeurIPS, 2025

• Xi Yu, Xiang Gu, Zhihao Shi, Jian Sun, Wasserstein Style Distribution Analysis and Transform for Stylized Image Generation, ICCV 2025

• Xiang Gu, Yucheng Yang, Wei Zeng, Jian Sun, Zongben Xu, Keypoint-Guided Optimal Transport with Applications in Heterogeneous Domain Adaptation, NeurIPS,  2022.

• Shipeng Wang, Xiaorong Li, Jian Sun*, Zongben Xu, Training Networks in Null Space of Feature Covariance with Self-Supervision for Incremental Learning (code), IEEE Trans. on Pattern Analysis and Machine Intelligence, 2024.

• Xiang Gu, Liwei Yang, Jian Sun*, Zongben Xu, Optimal Transport-Guided Conditional Score-Based Diffusion Model, Neurips, 2023.

• Xin Wei, Ruixuan Yu, Jian Sun, View-GCN: View-based Graph Convolutional Network for 3D Shape Analysis, IEEE Conf. Computer Vision and Pattern Recognition (CVPR), 2020.