邢炜博士2017年毕业于英国华威大学工程学院，随后加入美国犹他大学科学计算与图像处理研究中心（SCI），从事不确定性量化分析，代理模型和机器学习在解偏微分方程的应用等研究。他于2020年9月加入北京航空航天大学，在集成电路学院任职助理教授，从事集成电路自动化设计工具开发，机器学习，统计学系等研究工作。

邢炜博士的专业特长在于人工智能算法与工程设计、不确定性分析和大规模传感器网络的交叉性等领域，在这方面的算法和建模都被成功地应用各类项目之中。针对大规模时空物理场（如电磁场，温度场）的工程优化问题，开发了多种人工智能算法，成功应用于英国能源和气候基金（DECC）“可溶铅氧化还原液流电池组件的改进”和欧盟科学基金（EU）“基于先进纳米材料的新概念金属空气电池”等项目上，使其工程优化的效率提高了10倍到1000不等；首次提出的含狄利克雷过程的联合统计模型，被美国DARPA“新一代工业设计智能套件”项目所采用，解决了计算机辅助设计（CAD）中的多优化目标问题，其成果发表于工程设计著名期刊: Journal of mechanical design和机器学习国际顶级会议AAAI（中国计算机 学会（CCF ）A类会议）上；使用非参数化机器学习模型对大型传感器网络的时空状态进行了建模、提升了预测精度和传感器网络优化部署，该方案被犹他大学Air Quality and Utah项目组采用，应用到美国盐湖城市（人口242万，面积286平方公里）的项目上，为公众提供实时的pm2.5报告和预警；提出了基于模型降阶图像配准算法，解决了医疗磁共振成像图配准慢的问题，极大（100倍）地提升了当前算法的基准计算效率，为下一代医疗磁 共振成像图配准的开发提供了优秀的解决方案。该成果获得2019年国际医疗图像处理权威会议IPMI的最佳学术海报奖。