林 伟，男，汉族，1976 年10 月生于上海市，浙江宁波人。
1988.09-1994.07 上海华东师大二附中学习
1994.09-1998.07 复旦大学数学系学习，获理学学士学位
1998.09-2003.01 复旦大学数学研究所学习，获理学博士学位
2003.03-2005.03 复旦大学数学系、数学科学学院讲师
2005.04-2009.11 复旦大学数学科学学院副教授
2004.05-2005.04 加拿大约克大学数学与统计系博士后
2008.01-2017.05 复旦大学数学科学学院副院长
2008.12-2017.11 复旦大学计算系统生物学中心副主任
2009.12- 复旦大学数学科学学院教授
2010.12- 复旦大学数学科学学院博士生导师
2015.03- 复旦大学类脑人工智能科学与技术研究院副院长
2017.12- 复旦大学计算系统生物学中心主任
2019.10- 教育部脑科学前沿中心副主任、教育部计算神经科学与类脑智能实验室副主任
主要研究方向包括：计算系统生物学与复杂性科学，非线性动力系统理论及其在类脑智能、社会科学、公共卫生等领域中的应用。近期关于数据、模型驱动的理论及应用学术成果发表或接收于PNAS，PRL, Nature Communications, IEEE 汇刊，SIAM 汇刊等国际顶级期刊，获同行在Cell, PNAS, Chem. Rev., PRL, Chaos, IEEE 汇刊等期刊上逾千次引用和充分肯定，近6 年连续入选Elsevier 出版集团“通用工程”领域中国高被引学者榜单。2019 年获国家杰出青年基金，2018 年获选国家重点研发计划重点项目首席科学家，2016 年获选IEEE 高级会员，2013 年获基金委优秀青年基金，2011 年入选教育部新世纪人才计划和上海市科技启明星跟踪计划，2010 年获教育部霍英东基金会高校青年教师二等奖。目前担任上海市非线性科学研究会副理事长、秘书长，中国工业与应用数学学会数学生命科学专委会副主任委员，中国运筹学会计算系统生物学分会常务理事，中国指挥与控制学会网络科学与工程专委会常务委员，国际物理与控制学会理事，国际期刊CHAOS 编辑咨询委员会委员，国际期刊IJBC 副主编。
近期代表作：
1. Siyang Leng, Huanfei Ma, Jürgen Kurths, Ying-Cheng Lai, Wei Lin*, Kazuyuki Aihara*, Luonan Chen* [2020], Partial cross mapping eliminates indirect causal influences, Nature Communications, vol. 11, Article

No. 2632.
2. Qunxi Zhu and Wei Lin* [2019] Stabilizing Boolean networks by optimal event-triggered feedback control, Systems & Control Letters, vol. 126, 40-47.
3. Huanfei Ma, Siyang Leng, Kazuyuki Aihara*, Wei Lin*, and Luonan Chen* [2018], Randomly distributed embedding making short-term high-dimensional data predictable, Proceedings of the National Academy of Sciences of the United States of America, vol. 115, no. 43, E9994-E10002.
4. Yao Guo, Wei Lin*, and Guanrong Chen [2018] Stability of switched systems on randomly switching durations with random interaction matrices, IEEE Transaction on Automatic Control, Regular Paper, vol. 63, no. 1,21-36.
5. Yongzheng Sun, Siyang Leng, Ying-Cheng Lai, Celso Grebogi, and Wei Lin* [2017] Closed-loop control of complex networks: A trade-off between time and energy, Physical Review Letters, vol. 119, Article no. 198301.
期望开展的肿瘤建模与临床转化工作：
1、 在多尺度、多模态等形式上积累过程性（时序）数据，并在这些数据集上利用成熟或新近发展的各类算法理论，挖掘和发现与特定肿瘤进程相关的生物标识物；
2、 结合挖掘发现的机制和已有的在不同尺度上的对于肿瘤进程的认知了解，构建机制驱动的计算模型，实现数据同化；
3、 在计算模型上，设计各类用药策略和辅助治疗策略，通过计算模型进行定量化效用评估；进一步与临床实验和转化研究相结合，为各类策略的临床使用和评估，提供定量化科学手段。