个人简介

林佳瑞，清华大学土木系防灾减灾所副研究员，兼任清华大学力学实验教学中心力学计算与仿真实验室主任、土木工程暨建设管理系研工组组长。先后于清华大学土木系获得学士（2011年）、博士学位（2016年），2018年博士后出站后加入清华大学土木系。期间，曾多次赴斯坦福大学、亚琛工业大学、南加州大学等开展访问交流。

主要研究方向为智能建造与数字孪生技术，包括土木领域大模型、智能审图、智能巡检等。近年来，主持和承担国家自然科学基金、重点研发计划、863计划、北京市自然科学基金等研究课题20余项，在国内外学术刊物和会议发表相关论文130余篇，参编地标、行标等十余部，出版专著/教材6部，授权专利、软件著作权30余项。曾入选中国科协“青年人才托举工程”，获buildingSMART openBIM 大赛专业研究方向全球冠军（近十年大陆学者首次）、黄河水利委员会科技进步特等奖、中国图学学会科技进步一等奖、华夏建设科学技术二等奖以及清华大学青年教师教学大赛一等奖、清华大学“良师益友”、清华大学“刘冰奖”等荣誉。

同时，兼任中国图学学会理事、BIM专委会秘书长、青年工作委员会委员，以及《图学学报》《Buildings》等期刊的编委。

加入我们

本课题组长期招收研究助理、研究生或博士后，欢迎感兴趣的同学联系我（联系方式见本页末尾），来信请简单自我介绍并附简历。

团队荣获buildingSMART国际大奖赛冠军

课题组智能审图成果获2023年buildingSMART openBIM国际大奖赛专业研究类冠军 >>> 了解更多

人机协同建造过程仿真论文已在AEI发表

建立人机协同建造多尺度仿真模型，探索了人机协同对施工效率的影响 >>> 了解更多

智能审图最佳实践论文已发表

研究提出考虑用户需求的主动式审图框架，可动态输出设计参数取值建议 >>> 了解更多

火荷载自动识别的论文已发表

研究构建了首个室内火荷载标注数据集及深度学习识别算法 >>> 了解更多

新闻

智能审图成果获buildingSMART openBIM国际大奖赛专业研究类冠军

小于 1 分钟

工程建造智能信息技术应用专刊第二期征稿

小于 1 分钟

三维计算机视觉(3D CV)及智慧建筑/城市主题论文征稿

小于 1 分钟

查看全部»

近期论文

Ontology-based Multi-source Heterogeneous O&M Data Integration Framework for Tunnel Structural Health Assessment

Liu, L., An, P., Ren, Z., An, R., Lin, J., Guo, Y., Hu, Z.Z.* (2025). Ontology-based Multi-source Heterogeneous O&M Data Integration Framework for Tunnel Structural Health Assessment. Structure and Infrastructure Engineering, 1-21. doi: 10.1080/15732479.2025.2521016 cited by count

A Multi-object Detection Method for Building Fire Warnings through Artificial Intelligence Generated Content

Fu, J., Xu, Z.*, Yue, Q., Lin, J., Zhang, N., Zhao, Y., Gu, D. (2025). A Multi-object Detection Method for Building Fire Warnings through Artificial Intelligence Generated Content. Scientific Reports, 15, 18434. doi: 10.1038/s41598-025-02865-4 cited by count

Digital Twin of Buildings and Occupants for Emergency Evacuation: Framework, Technologies, Applications and Trends

Lin, J.R., Chen, K.Y., Song, S.Y., Cai, Y.H., Pan, P.*, Deng, Y.C. (2025). Digital Twin of Buildings and Occupants for Emergency Evacuation: Framework, Technologies, Applications and Trends. Advanced Engineering Informatics, 66, 103419. doi: 10.1016/j.aei.2025.103419 cited by count

A Multi-Factor-Fusion Framework for Efficient Prediction of Pedestrian-level Wind Environment Based on Deep Learning

Hu, Z.Z.*, Min, Y.T., Leng, S., Li, S., Lin, J.R. (2025). A Multi-Factor-Fusion Framework for Efficient Prediction of Pedestrian-level Wind Environment Based on Deep Learning. IEEE Access, 13, 52912-52924. doi: 10.1109/ACCESS.2025.3553490 cited by count

查看全部»