2022年6月-2024年1月，华为技术有限公司，高级工程师A
2024年2月-至今，郑州航空工业管理学院，讲师
2011年9月-2015年6月，大连理工大学，工程力学（钱令希创新班），本科
2015年9月-2017年12月，国防科技大学，力学，硕士
2018年3月-2022年4月，慕尼黑工业大学，工学，博士
教育教学（教授课程）
空气动力学，本科课程，48课时
研究方向：
智能流体力学
融合先验知识深度学习方法
合作单位包括慕尼黑工业大学、国防科技大学、华为技术有限公司等，欢迎飞行器设计、力学、计算机、软件工程等相关专业考生报考。
1. Ma, H., Liu, J., Ye, M. & Haidn, O. J. (2024). A Comprehensive Deep Learning Geometric Shape Optimization Framework with Field Prediction Surrogate and Reinforcement Learning. Physics of Fluids.
2. Ma, H., Zhang, B. T., Zhang, C., & Haidn, O. J. (2022). Physics-driven Learning of the Steady Navier-Stokes Equations using Deep Convolutional Neural Networks. Communications in Computational Physics.
3. Ma, H., Zhang, B., Zhang, C., & Haidn, O. J. (2021). Generative Adversarial Networks with Physical Evaluators for Spray Simulation of Pintle Injector. AIP Advances.
4. Ma, H., Zhang, Y. X., Haidn, O. J., Thuerey, N., & Hu, X. Y. (2020). Supervised Learning Mixing Characteristics of Film Cooling in a Rocket Combustor using Convolutional Neural Networks. Acta Astronautica.
5. Ma, H., Shen, Z. B., & Li, D. K. (2019). A Viscoelastic Constitutive Model of Composite Propellant Considering Dewetting and Strain-Rate and its Implementation. Propellants, Explosives, Pyrotechnics.
国家发明专利：
1. 含脱湿的推进剂动态热粘弹性本构模型的构建和应用方法
2. 一种基于VCFEM分析的高体积分数RVE模型生成方法
3. 一种网络指标数据超分方法
4. 一种基于先验知识的神经网络模型实时调优方法
5. 一种基于Transformer架构的装备分析和自修复技术
国家建设高水平大学公派研究生奖学金
湖南省优秀学位论文
Aerospace Science and Technology（中科院一区，TOP）评审专家
International Journal of Heat and Mass Transfer（中科院一区，TOP）评审专家
昇思MindSpore开源社区，金牌布道师
研究方向为人工智能+航空宇航交叉学科，面向液体火箭发动机研制等国家重大工程需求中的卡脖子问题，主攻融合先验知识深度学习方法和智能流体仿真。发表学术论文十余篇，授权/申请国家发明专利5项，主持或参与德国科学基金会GEPRIS等纵横向课题多项。研究成果获领域内广泛认可，受邀为西北工业大学、军事科学院创研院等作多场学术报告，任AST、IJHMT等国际知名期刊审稿人。
