研究方向
低碳智慧能源：抗风险坚强能源系统与智慧储能、综合能源系统预测与控制、节能计算与高能效大模型、数字孪生与韧性城市；
复杂生物系统的智能设计：蛋白质结构与功能预测、大模型赋能的合成生物学系统设计、人工智能优化代谢网络与生物过程数字孪生；
无人自动化：大规模分布式优化与高维随机优化、智慧人机混合系统与多系统协同、复杂系统安全健康自动化、自动化与可解释人工智能
个人简介
蒋怀光，博士，现担任华南理工大学未来技术学院长聘教授，博导，海外高层次引进人才，广州市青年联合会常务委员会委员。应用机器学习、深度学习及大模型等技术，对大型互联系统的复杂关系结构、图和网络等多尺度系统进行建模，涵盖从细胞内蛋白质相互作用到社会中人类社交互动等多层次交互关系。具体应用领域包括DNA设计、代谢网络分析、能源网络预测以及综合能源调度，智慧城市群应急管理等，旨在助力“碳达峰、碳中和”国家战略的实现。实验室配备先进的硬件在环仿真平台（Hardware-in-the-loop simulation，HILS）、高性能计算集群及低功耗加速设备，用于支持复杂电力系统的实时仿真、信号处理与人工智能模型训练。结合数字孪生技术与边缘计算的研究，致力于智慧能源，智慧城市与生物信息的前沿探索与工程应用突破。作为IEEE Senior Member在IEEE Transactions/CVPR/Applied Energy等顶级学术会议或期刊发表60余篇，特邀出版英文学术专著2本，多次主持和参与多项国家级项目，应邀为业内二十余家顶级期刊与顶级会议担任评审工作。
在学生培养方面，侧重理论训练与实际动手相结合；通过创新性的科研课题，激发学生的创造力；为培养未来在某一方面独当一面的人才提供良好的平台。所培养学生多次荣获国家级及省部级奖项，包括国家奖学金、英特尔奖学金、华南理工大学“十大三好学生标兵”等；毕业生去向多元，包括央国企（如国家电网、南方电网）、互联网企业（如腾讯）及顶尖高校深造（保研至北京大学、浙江大学等）。
每年招收博士生1-2名，硕士生2-4名，长期招收博士后。联系邮箱：hihuagong2021@scut.edu.cn
教育背景
2015年，丹佛大学，博士
2010年，电子科技大学，硕士
2007年，国防科技大学，学士
工作经历
2015-2021年，美国国家可再生能源实验室
2021-至今，华南理工大学未来技术学院，长聘教授
所授课程
《Python语言程序设计》，中英文授课，32学时
标志性成果
书籍
H. Jiang, Y. Zhang, and E. Muljadi, “New Technologies for Power System Operation and Analysis, 1st Edition”, Academic Press (an imprint of Elsevier), 2020,第一作者
最新的十篇文章
1. S. Li , H. Li, X. Li, Y. Xu, Z. Lin, and H. Jiang*. Causal Intervention is What Large Language Models Need for Spatio-temporal Forecasting, IEEE Transactions on Cybernetics, pp. 1–13, 2025. (JCR一区，中科院一区，五年影响因子10.3)
2. Y. Zhang, G. Chen, C. Liang, B. Yang, X. Lei, T. Chen, H. Jiang*, and W. Xiong*. Multicrispr-ega: Optimizing guide rna array design for multiplexed crispr using the elitist genetic algorithm. ACS Synthetic Biology, 14(3):919–930, 2025. (JCR一区，中科院一区，合成生物学顶刊，五年影响因子4.2)
3. Y. Zhang, Y. Ren, Z. Liu, H. Li, H. Jiang*, Y. Xue, J. Ou, R. Hu, J. Zhang, and D. W. Gao. Federated deep reinforcement learning for varying-scale multi-energy microgrids energy management considering comprehensive security. Applied Energy, 380:125072, 2025. (JCR一区，中科院一区，五年影响因子10.4)
4. Y. Zhang, R. Lin, Z. Mei, M. Lyu, H. Jiang*, Y. Xue, J. Zhang, and D. W. Gao. Interior-point policy optimization based multi-agent deep reinforcement learning method for secure home energy management under various uncertainties. Applied Energy, 376:124155, 2024. (JCR一区，中科院一区，五年影响因子10.4)
5. S. Li, W. Li, L. Chen, H. Jiang*, J. Zhang, and D. Wenzhong Gao. Real-time robust state estimation for large-scale low-observability power-transportation system based on meta physics-informed graph timesnet. IEEE Transactions on Smart Grid, 15(6):5500–5513, 2024 (JCR一区，中科院一区，五年影响因子9.6)
6. Y. Zhang, Z. Mei, X. Wu, H. Jiang*, J. Zhang, and W. Gao. Two-step diffusion policy deep reinforcement learning method for low-carbon multi-energy microgrid energy management. IEEE Transactions on Smart Grid, 15(5):4576–4588, 2024 (JCR一区，中科院一区，五年影响因子9.6)
7. H. Jiang, Y. Zhang, Y. Chen, C. Zhao, and J. Tan. Power-traffic coordinated operation for bi-peak shaving and bi-ramp smoothing–a hierarchical data-driven approach. Applied energy, 229:756–766, 2018. (JCR一区，中科院一区，五年影响因子10.4)
8. H. Jiang, Y. Zhang, E. Muljadi, J. J. Zhang, and D. W. Gao. A short-term and high-resolution distribution system load forecasting approach using support vector regression with hybrid parameters optimization. IEEE Transactions on Smart Grid, 9(4):3341–3350, 2016. (JCR一区，中科院一区，五年影响因子9.6)
9. H. Jiang, X. Dai, D. W. Gao, J. J. Zhang, Y. Zhang, and E. Muljadi. Spatial-temporal synchrophasor data characterization and analytics in smart grid fault detection, identification, and impact causal analysis. IEEE Transactions on Smart Grid, 7(5):2525–2536, 2016. (JCR一区，中科院一区，五年影响因子9.6)
10. H. Jiang, Y. Zhang, J. J. Zhang, D. W. Gao, and E. Muljadi. Synchrophasor-based auxiliary controller to enhance the voltage stability of a distribution system with high renewable energy penetration. IEEE Transactions on Smart Grid, 6(4):2107–2115, 2015. (JCR一区，中科院一区，五年影响因子9.6)
