今天我们将带大家深入解析香港科技大学 计算机科学系的博士生导师Prof. Horner，通过这样的“方法论”，让大家学会如何从了解一个导师开始，到后期更好地撰写套磁邮件及其他文书。
研究领域解析和深入探讨
教授的研究聚焦于计算机科学与音乐艺术的交叉领域，涵盖 Computer Music、Audio Engineering、Music Emotion 和 Automated Music Composition 四个核心方向。
这些领域不仅体现了技术与艺术的融合，还回应了数字时代对音乐创作、分析与应用的深刻需求。以下逐一解析每个方向的内涵、研究现状及前沿趋势。
1.Computer Music
Computer Music 是教授研究的核心，涉及利用计算机技术进行音乐创作、分析与合成。教授的研究涵盖音乐信号处理、算法作曲及交互式音乐系统。例如，其团队开发了基于图神经网络（Graph Neural Network）的音乐混搭生成系统，探索如何通过算法整合不同音乐片段。这一领域近年来因人工智能（AI）的兴起而快速发展，尤其在生成对抗网络（GAN）和扩散模型（Diffusion Models）的应用下，计算机音乐创作的真实性与多样性显著提升。根据2024年 Computer Music Journal 的综述，生成式AI在音乐创作中的应用正成为全球研究热点，教授的研究与这一趋势高度契合。
2.Audio Engineering
Audio Engineering 关注音频信号的处理与优化，包括音质增强、空间音频及音效设计。教授的研究聚焦于音频特征对音乐情感的影响，例如其团队分析了卷积混响（Convolution Reverberation）对乐器音色的情感表达作用。这一方向结合了信号处理与心理声学（Psychoacoustics），广泛应用于音乐制作、虚拟现实（VR）及游戏音频设计。
网络搜索显示，2024年 Journal of the Audio Engineering Society 刊文指出，空间音频技术（如Ambisonics）正在重塑沉浸式音乐体验，教授的研究为这一领域提供了实证支持。
3.Music Emotion
Music Emotion 是教授研究的独特亮点，探索音乐元素（如音高、力度、音色）如何引发听众的情感反应。其团队通过比较小提琴与二胡的演奏技法，分析不同乐器在情感强度上的差异，揭示了文化与技术对音乐情感的影响。这一方向融合了情感计算（Affective Computing）与音乐心理学，近年来因音乐疗法（Music Therapy）和情感驱动的推荐系统需求而备受关注。根据 Frontiers in Psychology（2024），音乐情感研究正向跨文化与多模态方向扩展，教授的比较研究为此提供了区域性视角。
4.Automated Music Composition
Automated Music Composition 旨在通过算法生成原创音乐，教授的研究包括基于扩散模型的音乐混音（Music Mixing）和低音声部生成（Bass Stem Generation）。这些技术不仅应用于音乐创作，还扩展至音乐再创作（Music Re-creation）和个性化音乐生成。2024年 IEEE Transactions on Multimedia 的文章指出，扩散模型在生成高质量音乐片段方面的潜力正在快速增长，教授的成果与这一趋势同步，为自动化音乐创作提供了创新方法。
精读教授所发表的文章
1.The Effects of Convolution Reverberation on the Emotional Characteristics of Musical Instrument Sounds
(Computer Music Journal, 2023)
内容与方法：该文研究了卷积混响对乐器音色的情感影响，通过实验比较不同混响设置（如教堂、音乐厅）对听众情感感知的作用。研究采用心理声学实验，结合主观评分和统计分析，评估混响对情感维度（如愉悦、紧张）的调节作用。贡献：揭示了混响作为音频工程技术如何塑造音乐情感，为音乐制作和虚拟现实音频设计提供了实证依据。
2.Emotional characteristics of the erhu and violin: a comparative study of emotional intensity in musical excerpts
(Proceedings of Meetings on Acoustics, 2024)
内容与方法：该文比较了二胡和小提琴在音乐片段中的情感强度，分析演奏技法（如揉弦、滑音）对情感表达的影响。研究通过听众实验和统计分析，量化两种乐器在情感维度（如悲伤、兴奋）上的差异。贡献：为跨文化音乐情感研究提供了区域性视角，突出了中西乐器的独特表达方式。
3.Diffusion Models for Automatic Music Mixing
(Proceedings - 2024 IEEE International Conference on Big Data, 2024)
内容与方法：该文提出了一种基于扩散模型的自动音乐混音方法，通过生成高质量的混音片段优化音乐制作流程。研究结合深度学习和音频信号处理，验证了模型在不同音乐风格中的表现。贡献：展示了扩散模型在音乐混音中的潜力，为自动化音乐制作提供了新工具。
4.Graph Neural Network Guided Music Mashup Generation
(Proceedings - 2024 IEEE International Conference on Big Data, 2024)
内容与方法：该文开发了一种基于图神经网络的音乐混搭生成系统，通过分析音乐片段的结构特征生成融合性音乐。研究采用生成模型和用户评估，验证了混搭音乐的艺术性和连贯性。贡献：为自动化音乐创作提供了创新算法，拓展了音乐混搭的生成方法。
教授的学术地位
教授在计算机音乐与情感计算领域具有显著的学术影响力，其学术地位通过出版物、引用量、合作网络及教学贡献得以体现。根据其 ORCID（0000-0002-9795-5190）和 Scopus ID（56244632900），教授共发表195项学术成果，包括期刊文章、会议论文和书籍章节，涵盖 Computer Music Journal、IEEE Transactions 等顶级刊物。2024年的9篇论文显示其研究活跃度持续高涨，Scopus 数据表明其引用量稳步增长，h指数约为20（具体数据需进一步验证），反映了其成果的广泛认可。
教授的研究影响力体现在以下方面：
- 学术贡献：其在音乐情感和自动化作曲领域的跨文化比较与算法创新填补了研究空白。例如，二胡与小提琴的情感比较研究为音乐心理学提供了新视角，扩散模型的混音研究推动了生成式AI在音乐产业的应用。
- 国际合作：教授与全球学者合作频繁，参与 IEEE International Conference on Big Data 等顶级会议，其研究团队包括来自亚洲和西方的学生，体现了国际化的学术视野。
- 社会影响：其情感均衡应用（Emotion Equalization App）研究直接服务于心理健康领域，与全球对音乐疗法的关注同步。根据 Nature Reviews Psychology（2024），音乐疗法正成为心理干预的重要工具，教授的成果为此提供了技术支持。
- 教学与指导：教授在香港科技大学（HKUST）教授 COMP4441 Music Video Creation 和 UROP3200 Undergraduate Research Opportunities 等课程，培养了众多本科生和研究生。其博士生指导聚焦计算机音乐与AI应用，为学生提供了前沿研究机会。
- 领域地位：教授是计算机音乐领域的权威学者，其研究与 Computer Music Journal 和 Proceedings of Meetings on Acoustics 的主编与审稿工作进一步巩固了其学术地位。网络搜索显示，教授曾获HKUST教学与研究奖项（具体奖项需进一步确认），其研究项目获得香港研究资助局（RGC）支持，凸显了其在区域与国际学术界的影响力。
有话说
教授的研究以计算机音乐为核心，通过情感分析与自动化生成技术，探索了音乐在艺术、技术与社会中的多重价值。以下基于其研究方向提出三个创新研究思路，为申请者提供开题灵感，并结合其学术框架进行深入思考。
1.AI驱动的跨文化音乐情感生成
- 理解：教授的二胡与小提琴情感比较研究揭示了乐器与文化背景对情感表达的影响，但生成式AI在跨文化音乐情感生成中的应用尚未深入探索。
- 创新思考：申请者可提出基于扩散模型或变分自编码器（Variational Autoencoder, VAE）的跨文化音乐生成系统，生成融合中西音乐元素的情感音乐片段。例如，训练模型以生成同时具有二胡滑音和小提琴颤音特征的音乐，分析其对中西听众的情感影响。研究可结合实验心理学，验证生成的音乐在跨文化背景下的情感共鸣效果。
2.动态音乐疗法中的个性化干预
- 理解：教授的 Emotion Equalization App 研究验证了动态音乐干预在情绪调节中的效果，但个性化音乐疗法的算法优化仍需进一步探索。
- 创新思考：申请者可提出基于强化学习（Reinforcement Learning）的个性化音乐疗法系统，通过实时分析用户的生理数据（如心率、皮肤电反应）动态调整音乐参数（如节奏、音色），优化情绪调节效果。例如，设计一款移动应用，根据用户压力水平生成舒缓或激励的音乐。研究可通过实验验证干预效果，结合主观量表（如PANAS）和生理测量。
3.沉浸式虚拟现实音乐创作
- 理解：教授的音频工程研究（如卷积混响）为沉浸式音乐体验提供了技术支持，但虚拟现实（VR）环境中的音乐创作尚未充分结合其生成技术。
- 创新思考：申请者可提出基于VR的交互式音乐创作平台，利用图神经网络生成实时音乐，响应用户在VR环境中的动作或情感输入。例如，用户在VR中“指挥”虚拟乐队，系统根据手势生成协调的音乐片段。研究可结合用户体验测试，分析生成音乐的沉浸感与情感效果。
博士背景
Aurelia ，美国TOP10院校计算机科学与认知科学双博士生，研究聚焦算法博弈论不确定性及其在人工智能中的应用。她的跨学科研究融合了计算机科学、语言学和心理学知识，在国际顶级期刊《Journal of Artificial Intelligence Research》和《Cognitive Science》上发表多篇论文。Aurelia 荣获ACM SIGAI博士论文奖，擅长相关方向的PhD申请指导。
【竞赛报名/项目咨询+微信：mollywei007】
