机器学习是研究如何使计算机模拟或实现人类学习活动的学科，它一方面研究学习机制，注重探索模拟人的学习机制，另一方面研究如何有效地利用信息，注重从数据中获取隐藏的、有效的、可理解的知识，其方法与技术支撑了人工智能的诸多领域。

主要研究内容包括：机器学习理论、监督学习、弱监督学习、无监督学习、强化学习、高效训练算法、机器学习应用等。主要目的是赋予机器自主建模和决策的能力，并在运行中逐步自我提升自主建模和决策的能力。

相关成果在PNAS、Proc. IEEE、IEEE TPAMI、JMLR、COLT、ICML、NeurIPS、ICLR等顶级期刊和会议上发表论文100余篇，出版学术专著5本，申请中国专利40余项（授权20余项）。获2020 CCF自然科学一等奖（林宙辰排名第一），ECML-PKDD（CCF B类）2021最佳论文奖、AAMAS2016最佳论文提名奖、KDD Cup 2021 OGB-LSC分子性质预测挑战赛冠军、NeurIPS 2021催化剂分子动力学模拟挑战赛冠军、2021 CAAI优秀博士学位论文、2020 ACM China SIGAI分委优秀博士学位论文和2021 CCF优秀博士学位论文提名。团队包括国家杰青1人、国家优青1人、优青（海外）2人。