张耀宇

上海交通大学长聘教轨副教授，2012年于上海交通大学致远学院获应用物理学学士学位及应用数学第二专业学位，2016年于上海交通大学数学科学学院获数学博士学位，2016年至2020年先后于纽约大学阿布扎比分校&库朗研究所、普林斯顿高等研究院从事博士后研究工作，2020年加入上海交通大学。他的研究领域聚焦深度学习的理论基础，代表性成果包括深度学习的凝聚现象与动力学态的相图分析（JMLR 2021）、损失景观的嵌入原则（NeurIPS 2021 spotlight）、样本效率的乐观估计（JMLR 2025）等。其他研究兴趣包括计算神经科学与科学智能。