孙明萱，东南大学公海jcjc5500线路检测教授/博导，国家级高层次青年人才。博士毕业于美国佐治亚理工学院，本科毕业于浙江大学竺可桢学院。曾任美国路州州立大学终身副教授。主要研究方向为可信机器学习，重点关注公平性、安全性和隐私保护性。相关工作发表于 TPAMI、KDD、AAAI 等重要国际期刊/会议，获多项美国发明专利。部分成果受到冯•诺伊曼奖章得主、拉格朗日奖得主等国际权威学者引用好评，且已成功转化，有效支撑月均千万用户的工业级应用。获美国自然科学基金委杰出青年奖（NSF Career Award）、路州州立大学学术新星奖（年度仅10人，计算机学科唯一）等。累计主持科研项目经费295万美元，培养的多名博士、硕士毕业生已入职 Amazon、Meta、Baidu 等国际知名企业。
招生需求：博士研究生（2026年秋季入学，剩余2个名额），硕士研究生（2026年秋季入学，剩余1个名额），2027年入学的保研生、直博生有若干名额，请提前联系。如有兴趣加入团队，请发个人简历到我的电子邮件。
更多信息请查看个人主页。
我的论文可以在以下网站查询：
部分近期论文：
Efficient training of large-scale AI models through federated mixture-of-experts: a system-level approach.
IEEE Communications Magazine, 2026.
Learning to rank with top-K fairness.
Transactions on Machine Learning Research, 2025.
Joint device and training scheduling for wireless federated learning.
IEEE Internet of Things J., 2025.
DualGFL: federated learning with a dual-level coalition-auction game.
Proc. AAAI Conf. Artificial Intelligence (AAAI), 2025.
Client selection for wireless federated learning with data and latency heterogeneity.
IEEE Internet of Things J., 2024.
Sparse transformer Hawkes process for long event sequences.
Proc. Joint European Conference on Machine Learning and Knowledge Discovery in Databases (ECML-PKDD), 2023.
List-wise fairness criterion for point processes.
Proc. ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD), 2020.
