马骏驰 副教授

• 学院： 信息工程学院
• 性别： 男
• 出生年月：
• 职称： 副教授
• 学位： 博士
• 学历： 博士研究生
• 毕业院校： 东南大学
• 联系电话：
• 电子邮箱： majunchi@chd.edu.cn
• 通讯地址： 陕西省西安市南二环中段长安大学
• 邮编： 710064
• 传真：
• 办公地址： 信息学院物联网与网络工程系827
• 教育经历：

  2011/09-2017/10 东南大学，计算机应用技术，博士（直博）

  2007/09-2011/06 东南大学，计算机科学与技术，学士

马骏驰，男，1988年出生，博士，副教授，硕士生导师。2017年获东南大学计算机应用技术博士学位。2017年进入长安大学任教师。在科学研究方面，专注于软件可靠性和电动汽车调度的研究。主持国家自然科学基金青年项目一项，主持陕西省重点研发计划一般项目一项。在国内外顶级刊物和国际会议上发表SCI/EI论文10余篇。应邀在ASP-DAC和IEEE VLSI Test Symposium等国际重要学术会议（CCF C类会议）作分会报告，此外还担任了IEEE ACCESS和Journal of Electronic Testing审稿人，担任中国计算机协会西安分部委员。指导硕士研究生毕业2人，授权专利和软件著作权各2项。

1.软错误传播评估研究

软错误（半导体电路瞬态故障）是影响计算可靠性的重要问题。如何评估软错误传播是软错误防护面临的最重要的挑战。提出利用表示学习方法高效地提取程序语义并使用于传播分析。

2.电动车充电调度研究

缓慢的充电速度是影响电动汽车用户体验的重要因素。如何根据订单的特征设计高效的充电协同策略以最大化收益是电动车调度的难点。提出了利用深度强化学习从与环境的交互中学到深层的语义信息，避免短视的决策，所提出模型可显著减少用户等待时间和充电时间代价。

3.单细胞多模态融合研究

单细胞测序技术能够对单个细胞的基因和染色质可及性等特征进行高通量、高精度的检测,从而获得了细胞内多组学的海量数据。然而,如何融合单细胞多模态数据以支撑日益增长的以单细胞为基础的医学分析需求,进一步为阐明基因层面相关疾病的发生发展机理,仍然是一个亟待解决的关键科学问题。提出基于图神经网络的多模态融合方法，更好地实现多模态数据的语义特征提取，为下游分析任务提供强有力的支持。

本科生课程

微机原理与接口技术（72课时）

嵌入式系统（48课时）

1.国家自然基金青年项目，基于异构抗性表示的软错误传播评估技术研究，24万，2021.1-2023.12,主持

2.陕西省重点研发项目，面向交通应用软件的异常检测机制研究，15万，2019.1-2020.12，主持

3.中央高校项目，高效能软错误检测技术研究，5万，2019.1-2020.12，主持

以第一作者或通信作者发表的论文

2025年

[1]Junchi MA, Yuzhu DING, Sulei HUANG, Zongtao DUAN, Lei TANG. TEMPORISE: Extracting Semantic Representations of Varied Input Executions for Silent Data Corruption Evaluation[J]. Future Generation Computer Systems, 2025: 107734. (SCI 2区，CCF C类期刊)

2024年

[1]马骏驰，张源，段宗涛，唐蕾． 考虑充电需求的电动汽车行为策略研究综述[J]． 交通运输工程学报，2024，24(6):66-79.(长安大学中文期刊目录A区)

[2]Yaguang Hu, Yanan Gu, Yichen Song, Yuelei Zhao, Jiachen Wang, Junchi MA, Fang Sui. Differential expression and prognostic value of tlr4 in kidney renal clear cell carcinoma[J]. Molecular and Cellular Probes, 2024, 75: 101959.(通信作者，SCI 3区)

2023年

[1]Junchi MA, Sulei HUANG, Zongtao DUAN, Lei TANG, Luyang WANG. SLOGAN: SDC Probability Estimation Using Structured Graph Attention Network[C]. Asia and South Pacific Design Automation Conference, pp. 296-301, Tokyo, Japan, 2023.(CCF C类会议)

[2]Junchi MA, Yuan Zhang, Zongtao Duan, et al. PROLIFIC: Deep Reinforcement Learning for Efficient EV Fleet Scheduling and Charging[J]. Sustainability, 2023, 15(18): 13553.(SCI 3区)

[3]马骏驰，迪晓鑫，段宗涛，唐蕾. 程序表示学习综述[J]. 浙江大学学报（工学版）, 2023, 57(1): 155-169.(长安大学中文期刊目录A区)

[4]黄甦雷,马骏驰,段宗涛.基于图神经网络的程序脆弱性指数评估方法[J].计算机应用研究, 2023, 40(4):6.（通信作者）

[5]Xing J, Gu Y, Song Y, J Ma, F Sui. MYO5A overexpression promotes invasion and correlates with low lymphocyte infiltration in head and neck squamous carcinoma[J]. BMC cancer, 2023, 23(1): 1-14.（SCI 2区，共同通信作者）

[6]Hao N, Li M, Wang J, J Ma, Q Jia, F Sui. High PGAP3 expression is associated with lymph node metastasis and low CD8+ T cell in patients with HER2+ breast cancer[J]. Pathology Research and Practice, 2023, 251: 154890.（SCI 4区，共同通信作者）

2022年

[1]Junchi MA, Zongtao DUAN, Lei TANG. Deep Soft Error Propagation Modeling Using Graph Attention Network[J]. Journal of Electronic Testing, 2022: 1-17. (SCI 4区，CCF C类期刊)

2021年

[1]Junchi MA, Zongtao DUAN, Lei TANG.GATPS: An attention-based graph neural network for predicting SDC-causing instructions[C]. IEEE VLSI Test Symposium, pp.1-7, 2021.(CCF C类会议)

2020年之前

[1]Junchi MA, Zongtao DUAN, Lei TANG. A Methodology to Assess Output Vulnerability Factors for Detecting Silent Data Corruption[J]. IEEE Access, 2019, 7: 118135-118145. (SCI)

[2]Junchi MA, Yun WANG. Characterization of stack behavior under soft errors[C]. Design, Automation & Test in Europe Conference & Exhibition, pp.1534-1539, Lausanne, Switzerland，2017.(CCF B类会议)

[3]Junchi MA, Dengyun YU, et al. Detecting Silent Data Corruptions in Aerospace-based Computing Using Program Invariants[J]. International Journal of Aerospace Engineering, 2016, 1-10. (SCI)

[4]马骏驰，汪芸. 一种基于不变量的软错误检测方法[J]. 软件学报, 2016, 27(2): 219-230. 

[5]马骏驰，汪芸等. 基于错误传播分析的SDC脆弱指令识别方法研究[J]. 计算机研究与发展,2016, 53(9): 1943.

授权发明专利2项：

1.一种基于图注意力网络的隐性偏差指令预测方法及设备，排名第一

2.一种基于频繁模式挖掘的车辆运输效率分析方法，排名第三

软件著作权2项：

1.基于动态插桩的错误注入系统

2.智能路网表示系统

2017/12 ~ 今，长安大学，信息工程学院物联网系，专任教师