实验室围绕磁共振波谱新方法、扩散与弛豫信息获取以及智能数据重建开展研究，致力于融合磁共振物理、信号处理与人工智能，发展面向复杂体系的高分辨、高维和可信磁共振分析方法。
Advanced & Multidimensional Magnetic Resonance Spectroscopy
面向复杂化学体系与生物样品中谱峰重叠、J 耦合干扰以及磁场不均匀等问题，实验室致力于发展高分辨、多维及扩散编码磁共振波谱新方法。通过纯化学位移（Pure Shift）、扩散排序谱（DOSY）、多维谱学和空间选择等技术，提升复杂体系中不同组分及精细分子结构的解析能力，并获取化学位移、J 耦合、扩散和弛豫等多维信息，为复杂混合物分析和生物医学磁共振研究提供新的实验手段。
Diffusion, Relaxation & Multidimensional Laplace NMR
分子扩散与自旋弛豫行为能够提供传统化学位移维度之外的分子动力学和微观环境信息。实验室围绕 DOSY 与 Laplace NMR，研究高分辨、多维磁共振信号的建模与谱图重建，通过稀疏表示、低秩约束、张量建模及优化算法缓解逆 Laplace 问题的病态性和分辨率限制，并进一步发展 D–T₁、D–T₂、T₁–T₂ 等多维相关谱，实现复杂体系中不同分子组分及其动态行为的精细解析。
AI & Physics-Informed Magnetic Resonance Reconstruction
面向磁共振数据反演中严重病态、噪声敏感、传统优化方法依赖人工参数调节以及高维数据计算复杂等问题，实验室研究融合机器学习、深度学习与磁共振物理模型的智能重建方法。通过将 Laplace 核、信号前向模型和物理一致性约束融入神经网络，并结合 Transformer 等深度学习架构，实现 DOSY、扩散/弛豫谱及多维 Laplace NMR 的快速、高分辨重建，进一步提升算法在真实实验数据中的泛化能力、稳定性和可信度。
进一步将智能磁共振重建从高分辨率拓展到具有不确定度评估能力的可信重建。
From Signals to Scientific Insight