1）分布式训练与推理：重点研究面向大规模人工智能模型的分布式训练、并行计算与高效推理方法，提升模型在多节点、多设备环境下的训练效率、推理速度和资源利用率。

2）人工智能与医疗：重点研究人工智能技术在医疗影像分析、疾病辅助诊断、健康状态监测和临床决策支持等领域的应用，推动医学知识与数据驱动模型的深度融合。

3）人工智能与运筹学：重点研究如何将机器学习、深度学习与运筹优化方法相结合，解决资源配置、任务调度、路径规划和智能决策等复杂优化问题。

4）具身智能：重点研究智能体在真实环境中的感知、认知、决策与行动方法，实现视觉、语言、控制等多模态信息的融合，并应用于机器人操作、环境交互和自主任务执行等场景。