刘睿书，深圳大学人工智能学院助理教授，硕士生导师。本科毕业于中国科学技术大学计算机科学与技术专业，硕士毕业于香港科技大学资讯科技专业，博士毕业于中南大学计算数学专业。目前研究方向为数学和人工智能的交叉研究，主要聚焦随机微分方程数值方法在人工智能领域的交叉应用，如扩散生成模型（Diffusion models）的数学理论、Langevin Monte Carlo 等高效采样算法的构造与分析等。在相关领域以第一或通讯作者身份在 Math. Comp.（计算数学三大顶刊之一）、J. Differ. Equ.、Calcolo、Commun. Nonlinear Sci. Numer. Simul. 等 SCI 期刊发表多篇学术论文，研究成果获得多位知名学者的好评，现主持国家自然科学基金青年科学基金项目（C类）1 项。当前招收智能科学与技术、人工智能专业硕士研究生，欢迎有一定数学基础、对AI理论有兴趣的同学加入。
近期代表性成果：
[1] Liu R, Neuenkirch A, Wang X. A strong order 1.5 boundary preserving discretization scheme for scalar SDEs defined in a domain. Mathematics of Computation, 2025, 94(354): 1815-1862.
[2] Li Z, Liu R*. Existence and concentration behavior of solutions to 1-Laplace equations on RN. Journal of Differential Equations, 2021, 272: 399-432.
[3] Liu R, Wang X. A higher order positivity preserving scheme for the strong approximations of a stochastic epidemic model. Communications in Nonlinear Science and Numerical Simulation, 2023, 124: 107258.
[4] Liu R, Wang X, Dai L. An unconditional boundary and dynamics preserving scheme for the stochastic epidemic model. Calcolo, 2024, 61(3):55.
[5] Liu R, Cao Y, Wang X. Unconditionally positivity-preserving explicit Euler-type schemes for a generalized Aït-Sahalia model. Numerical Algorithms, 2025, 98(2): 651-675.
