機器學習是研究如何使計算機模拟或實現人類學習活動的學科，它一方面研究學習機制，注重探索模拟人的學習機制，另一方面研究如何有效地利用信息，注重從數據中獲取隐藏的、有效的、可理解的知識，其方法與技術支撐了人工智能的諸多領域。

主要研究内容包括：機器學習理論、監督學習、弱監督學習、無監督學習、強化學習、高效訓練算法、機器學習應用等。主要目的是賦予機器自主建模和決策的能力，并在運行中逐步自我提升自主建模和決策的能力。

相關成果在PNAS、Proc. IEEE、IEEE TPAMI、JMLR、COLT、ICML、NeurIPS、ICLR等頂級期刊和會議上發表論文100餘篇，出版學術專著5本，申請中國專利40餘項（授權20餘項）。獲2020 CCF自然科學一等獎（林宙辰排名第一），ECML-PKDD（CCF B類）2021最佳論文獎、AAMAS2016最佳論文提名獎、KDD Cup 2021 OGB-LSC分子性質預測挑戰賽冠軍、NeurIPS 2021催化劑分子動力學模拟挑戰賽冠軍、2021 CAAI優秀博士學位論文、2020 ACM China SIGAI分委優秀博士學位論文和2021 CCF優秀博士學位論文提名。團隊包括國家傑青1人、國家優青1人、優青（海外）2人。