朱振龙，男，汉族，中共党员，2022年毕业于贵州大学（硕博连读），获得博士学位，2025年1月进入贵州大学，从事博士后工作。主要研究方向是为金属材料结构与性能、人工智能与材料科学、环境工程、机械工程交叉融合，重点开展利用深度神经网络、多目标遗传算法，实现渗碳层、刀具钢等材料成分-组织-性能优化及成果转化。

科研项目

1、基于深度神经网络的渗碳层成分-组织-性能多尺度关联建模与磨损性能优化，主持国家自然科学基金项目（项目编号：52561003），2026.01-2029.12；

2、赤泥-钢渣-磷石膏协同矿化封存c02的多相反应机理与定向调控研究，主持省重点项目（项目编号：黔科合基础-ZD[2026]111），2026.01-2029.12；；

3、基于深度神经网络对渗碳层组织演变及磨损性能研究，主持省基金面上项目（项目编号：黔科合基础-ZK[2024]一般419）；

4、基于深度神经网络和多目标遗传算法开发成分优化设计平台，主持省基金人才项目（项目编号：黔科合人才KJZY(2025)046），

5、基于机器学习和多目标遗传算法对掘进机床刀具钢强度优化系统开发，横向项目（合同编号：2024520102000483），

论文与著作

1、ZhenLong Zhu, Jing Liu et al. Analyzing the effect of the mechanical stability of residual austenite on the wear performance. [J] Tribology International, 2024 (192): 109326.(SCI，一区，TOP期刊，影响因子6.2)

2、Zhenlong Zhu, Yilong Liang et al. Influence of friction-induced retained austenite transformation to martensite on the wear properties of a carburized layer of 23CrNi3MoA steel[J]. Applied Surface Science, 2022(Sep.1):595.(SCI，二区，TOP期刊，影响因子6.7)

3、Mingming Shen，Zhenlong Zhu et al. Deep learning assisted prediction of retained austenite in the carburized layer for evaluating the wear resistance of mild steel. Journal of Materials Research and Technology. 2022; 21:353-362. (SCI，二区，影响因子6.4，共同一作)

4、Zhenlong Zhu, Yilong Liang, Jianghe Zou. Modeling and Composition Design of Low-Alloy Steel’s Mechanical Properties Based on Neural Networks and Genetic Algorithms. Materials. 2020; 13(23):5316. (SCI，三区，影响因子3.4)

5、Zhenlong Zhu, Yilong Liang. Prediction of Residual Stress of Carburized Steel Based on Machine Learning. Applied Sciences. 2020; 10(21):7759. (SCI，三区，影响因子2.7)

6、基于机器学习和第一性原理的渗碳钢性能研究，中国科学技术大学出版社，朱振龙、王旭著。

获奖情况

    1、第十三届全国老员工金相技能大赛二等奖，（证书标号：JXDS-13G-0338）。