研究方向一：网络网络鲁棒性问题研究

网络鲁棒性是复杂网络方向的一个经典问题，本人对多层网络、相依网络中的鲁棒性问题进行了较为深入的研究。

主要成果发表在国外重要期刊中，获得先后被国内外研究团队引用，引用期刊包括《chaos》这样的一区顶尖期刊，引用本文的团队有电子科大优青团队和中山大学学者团队等高水平研究团队。这个研究成果对网络安全和信息化工作都有重要借鉴意义。

研究方向二：基于复杂系统理论的区块链性能优化模型研究

区块链技术是基于分布式网络的互联网基础创新应用。具有很广泛的应用前景。

目前，本人和团队在区块链底层传播模型和共识机制优化方面进行了很多有趣的探索。相关工作已经申请国家专利3项，在国际会议上发表论文一篇，并在国际顶级期刊上发表重要文章。

研究方向三：基于图神经网络的代码结构化表示学习

程序代码是一种特殊的自然语言，有高度的结构化，层次化等特点，虽然大语言模型在代码任务上已经有了很大突破。但是在很多代码子任务上表现依然欠佳。

结合图神经网络的特点，从图的角度去理解并表示代码，是提高相关领域技术发展的一个非常好的切入点。

目前，本人和团队已经在相关问题上有重要进展，期待有更多突破。