TinyML 与硬件感知共设计
软硬件一体化方法，针对微控制器与专用加速器进行算法-架构共设计（占位）。
本方向围绕超低功耗设备，研究适配的模型结构、编译优化与内存管理策略。
研究方向
模型压缩与量化
面向边缘端的轻量化模型设计与自动化压缩，包括剪枝、蒸馏、量化与NAS（占位）。
本方向致力于在保证精度的前提下降低计算与存储成本，提升端侧可部署性。
端侧部署与系统优化
面向低时延与高可靠的边缘端系统协同优化，覆盖算力感知调度、编译优化与运行时管理（占位）。
本方向关注端侧与近端计算的软硬件协同，探索算力受限设备上的实时 AI 推理与能效最优。