衛星反演成像乃太空探索之關鍵科技，當今兩大反演理論乃凸優化（COnvex）與深度學習（DEep），然前者需軟體工程師具備進階數學訓練、而後者需購買昂貴的衛星大數據。本團隊融合二者精髓提出高度原創CODE理論，僅用簡單數學凸函數就能萃取出小數據中的關鍵訊息，已成功還原嚴重毀損之NASA高光譜衛星影像。

CODE用「Q範數」巧妙橋接凸分析與深度學習，僅用簡單數學及小數據，卻可在諸多極其複雜的問題上超越傳統大數據機器學習的性能，以還原NASA高度毀損的高光譜衛星影像為例，CODE竟只需400組數據，而傳統方法最少需5000組，不但省下超過美金23萬的科研經費、還在公認4大關鍵指標皆達目前全球最佳表現。

小數據機器學習對產業界成本控管的重要性不言而喻，如前述衛星應用CODE可省下美金23萬的軟體開發成本，因多數產學單位難以取得衛星數據，這讓CODE在政府大力推動的太空產業（民生及國防）顯得格外重要，除Fig. 3多項應用場域，CODE理論的本質也很適合被應用於數據缺乏的自駕車電腦視覺與控制軟體開發。