个人简介
主要研究课题包括： 强引力透镜、暗物质、大规模巡天、星系演化、机器学习等。
郑州大物理学院天体物理研究所研究员，天体物理学博士，毕业于中国科学院大学，先后在中山大学、国家天文台进行博士后研究。主持多个国家和省部级科学项目，发表专业SCI论文30多篇，其中第一或通讯作者15篇。获美国天文学会中国区前1%高被引文章奖。是正在进行的三大国际巡天之一的千平方度巡天成员，建立了广泛的国际合作关系。参与中国空间站望远镜流水线开发，主持和参与相关科学课题研究。
学习及工作经历
2023年12月至今，郑州大学，直聘研究员
2021年9月—2023年12月，中科院大学天文与空间科学学院，博士后，合作导师：李然 研究员
2019年9月—2021年9月，中山大学，博士后，合作导师：Nicola R. napolitano 教授
2014年9月—2019年6月，中科院云南天文台，天体物理博士
2010年9月—2014年6月，云南大学，物理学学士
科研项目
[1] 主持国家自然科学基金青年科学基金项目。
[2] 主持CSST 二批科学课题子课题。
[3] 主持中国博士后科学基金特别资助项目。
[4] 主持中国博士后科学基金面上项目。
[5] 主持广东省自然科学基金联合基金-青年项目。
[6] 参与CSST 重点课题《CSST 测光巡天的误差分析和优化》。
[7] 主持河南省自然科学基金面上项目。
联系方式
E-mail: liruiww@zzu.edu.cn
通讯地址：河南省郑州市科学大道100号郑州大学物理学院A楼606室 450001
代表论文
[1] Optical+Near-IR Analysis of a Newly Confirmed Einstein Ring at z ∼ 1 from the Kilo-Degree Survey: Dark Matter Fraction, Total and Dark Matter Density Slope, and Initial Mass Function. Li R.*, Napolitano N.~R.*, D'Ago G., Shalyapin V.~N., Zhu K., Guo X., Li R., et al., 2025, ApJL, 987, L31. doi:10.3847/2041-8213/ade680
[2] Morpho-photometric Classification of KiDS DR5 Sources Based on Neural Networks: A Comprehensive Star–Quasar–Galaxy Catalog. Feng H.-C.*, Li R.*, Napolitano N.~R.,* Li S.-S., Bai J.~M., Dong Y., Li R., et al., 2025, ApJS, 279, 26. doi:10.3847/1538-4365/adde5a
[3] Using Convolutional Neural Networks to Search for Strongly Lensed Quasars in KiDS DR5. He Z.*, Li R.*, Shu Y., Tortora C., Er X., Ca{\~n}ameras R., Schuldt S., et al., 2025, ApJ, 981, 168. doi:10.3847/1538-4357/adaf28
[4] Multiband Analysis of Strong Gravitationally Lensed Post-blue Nugget Candidates from the Kilo-degree Survey. Li R.*, Napolitano N.~R.*, Xie L., Li R., Guo X., Sergeyev A., Tortora C., et al., 2024, ApJ, 973, 145. doi:10.3847/1538-4357/ad684c
[5] Galaxy morphoto-Z with neural Networks (GaZNets). I. Optimized accuracy and outlier fraction from Imaging and Photomety . Rui Li*, Nicola R. Napolitano*, Haicheng Feng, Ran Li, Valeria Amaro,et al. 2022A&A...666A..85L. doi:10.1051/0004-6361/202244081
[6] Galaxy Spectra neural Networks (GaSNets). I. Searching for strong lens candidates in eBOSS spectra using Deep Learning. F, Zhong, R. Li*, N. R. Napolitano* , 2022RAA...22...065014. doi:10.1088/1674-4527/ac68c4
[7] GAlaxy Light profile convolutional neural NETworks (GaLNets). I. fast and accurate structural parameters for billion galaxy samples. R. Li, N. R. Napolitano*, N. Roy,C. Tortora, F. La Barbera, A. sonnenfeld, C. Qiu, and S. Liu. 2022ApJ...929...152. doi:10.3847/1538-4357/ac5ea0
[8] High-quality Strong Lens Candidates in the Final Kilo-Degree Survey Footprint. R. Li, N. R. Napolitano*, C. Spiniello, C. Tortora5, K. Kuijken, L. V. E. Koopmans, P. Schneider,et al. 2021ApJ…923...16L. doi:10.3847/1538-4357/ac2df0
[9] Discovery of two Einstein crosses from massive post–blue nugget galaxies at z > 1 in KiDS. N.R. Napolitano, R. Li*, C. Spiniello, C. Tortora, A. Sergeyev, G. D’Ago, X. Guo, L. Xie, M. Radovich, L. V. E. Koopmans, et al. 2020,APJL...904...L31. doi:10.3847/2041-8213/abc95b
[10] New High-quality Strong Lens Candidates with Deep Learning in the Kilo-Degree Survey. Li, R., Napolitano, N. R*., Tortora, C., Spiniello, C., Koopmans, L. V. E., Huang, Z., Roy, N., Vernardos, G. et al., 2020,ApJ...899...30L. doi:10.3847/1538-4357/ab9df
[11] Using deep Residual Networks to search for galaxy-Lyα emitter lens candidates based on spectroscopic selection. Li,R*., Shu,Y*., Su, J.,Feng,H., Zhang,G., Wang, J.*, Liu,H., 2019, MNRAS, 482, 313. doi:10.1093/mnras/sty2708
[12] Constraining the Rastall parameters in static space-times with galaxy-scale stronggravitational lensing. Li, R.*，Wang, J.*,Xu, Z., Guo X. 2019, MNRAS, 486, 2407L. doi:10.1093/mnras/stz967
[13] Strong-lensing measurement of the total-mass-density profile out to three effective radii for z ∼ 0.5 early-type galaxies. Li, R.*, Shu, Y.*, & Wang, J.* 2018, MNRAS, 480, 431. doi:10.1093/mnras/sty1813
[14] The Discrepancy between Einstein Mass and Dynamical Mass for SIS and Power-law Mass Models. Li, R.*, Wang, J.*, Shu, Y.*, & Xu, Z. 2018, ApJ, 855, 64.. doi:10.3847/1538-4357/aaab50
招生计划
每年招收1-2名天体物理方向硕士研究生。
