Rekrutierung des CUHK-AI4Science-Teams: Wissenschaftliche AGI, Moleküldesign und wissenschaftliche Agenten

Einleitung

Das AI4Science-Team der Chinese University of Hong Kong rekrutiert Studierende und Forschende, die sich für wissenschaftliche AGI, AI4Science, generative KI, Moleküldesign, wissenschaftliche Agenten, verkörperte Intelligenz und automatisierte Labore interessieren.

Dieser Artikel ordnet die ursprünglichen Rekrutierungsinformationen zu einer klareren englischen Version für Bewerberinnen und Bewerber neu, die die Forschungsrichtung des Teams, die verfügbaren Positionen, die Erwartungen an die Bewerbung und das Forschungsumfeld verstehen möchten. Die ursprüngliche Struktur wurde beibehalten, die Formulierungen wurden jedoch flüssiger und leichter lesbar gemacht.

Hinweis zur Quelle: Der ursprüngliche Artikel wurde auf BAAI Hub veröffentlicht und gibt an, dass der Inhalt aus WeChat stammt. Der Hauptteil enthält ein relevantes Bild zum Campus bzw. Team. Bannerwerbung, dekorative Bilder der Website und „Zurück nach oben“-UI-Symbole wurden ausgeschlossen.

Teamüberblick

Die Gruppe von Prof. Pheng Ann Heng im Department of Computer Science and Engineering an der Chinese University of Hong Kong konzentriert sich gemeinsam mit OTeam auf Scientific Artificial General Intelligence, also wissenschaftliche AGI.

Das Team hat das Ziel, ein allgemeines rechnergestütztes Basismodell für AI4Science aufzubauen. Seine Arbeit untersucht einheitliche Modellierung, Schlussfolgerung, Generierung und Design in komplexen wissenschaftlichen Systemen. Zu den Forschungsthemen gehören Weltmodelle für All-to-All-Moleküldesign, virtuelle Modelle biologischer Signalwege, Scientific Agents sowie Self-Driving-Laborsysteme, die AR/VR mit intelligenten wissenschaftlichen Workflows verbinden.

Das übergeordnete Ziel besteht darin, KI von einem passiven Analysewerkzeug zu einem zentralen intelligenten System weiterzuentwickeln, das aktiv an wissenschaftlichen Entdeckungen teilnehmen kann.

Das Team betont einen systematischen Forschungsweg – von Basismodellen und Schlüsselalgorithmen bis hin zu realen wissenschaftlichen Problemen. Von den Studierenden wird erwartet, dass sie in interdisziplinären Kontexten Fähigkeiten in den Bereichen Modellierung, Schlussfolgerung, Design und experimentelle Rückkopplungsschleifen entwickeln.

Die Gruppe begrüßt Studierende aus Pharmazie, Physik, Chemie, Biomedizintechnik, Informatik und anderen verwandten Disziplinen. Sie bietet ein offenes Forschungsumfeld, starke wissenschaftliche Ressourcen und umfangreiche Rechenressourcen mit nahezu eintausend verfügbaren Rechenkarten. Das Team pflegt zudem langfristige Kooperationen mit führenden internationalen AI4Science-Laboren, darunter Gruppen am MIT, an Harvard, Stanford und dem Baker Lab.

Neben der Grundlagenforschung verfügt das Team über starke Ressourcen für den Transfer in die Industrie und hat nahezu hundert Millionen RMB an industrieller Unterstützung erhalten. Dadurch erhalten Studierende eine Plattform, die Spitzenforschung, interdisziplinäre Ausbildung und praktische wissenschaftliche Anwendung miteinander verbindet.

Bewerberinnen und Bewerber, die sich für wissenschaftliche AGI und zukunftsweisende AI4Science-Forschung interessieren, sind herzlich eingeladen, sich anzuschließen und gemeinsam die nächste Generation von zu erforschen

KI-gestützte wissenschaftliche Entdeckung.

Teamleiter

Prof. Pheng Ann Heng ist Choh-Ming-Li-Professor für Informatik und Ingenieurwissenschaften an der Chinesischen Universität Hongkong. Darüber hinaus ist er Direktor des Institute of Medical Intelligence and XR an der CUHK sowie Co-Direktor des Guangdong-Hongkong-Macao Joint Laboratory of Human-Machine Intelligence-Synergy Systems.

Er erhielt 1985 seinen Bachelorabschluss in Informatik an der National University of Singapore und 1992 seinen PhD in Informatik an der Indiana University. Im Jahr 1992 trat er dem NUS-JHU Center for Information-enhanced Medicine als Research Associate bei. 1995 wechselte er als Assistant Professor an das Department of Computer Science and Engineering der CUHK und wurde 2002 zum Professor befördert.

Im Jahr 2007 wurde Prof. Heng vom chinesischen Bildungsministerium mit der Cheung Kong Scholar Chair Professorship ausgezeichnet. Darüber hinaus war er als Department Chair und Leiter der Graduate Division tätig.

Seit 1999 leitet er das Virtual Reality, Visualization and Imaging Research Centre an der CUHK. Seit 2006 leitet er außerdem das Center for Human-Computer Interaction Technology am Shenzhen Institute of Advanced Technology der Chinesischen Akademie der Wissenschaften.

Zu seinen Forschungsinteressen gehören medizinische Bildanalyse, künstliche Intelligenz, chirurgische Simulation, Visualisierung und Extended Reality. Er hat mehr als 760 Fachartikel veröffentlicht, mit über 80.000 Zitierungen bei Google Scholar und einem h-Index von
132. Er wurde von Clarivate als Highly Cited Researcher ausgezeichnet und von Research.com als führende Persönlichkeit der Informatik in China gewürdigt.

Forschungsrichtungen

Das Team unterstützt akademische Freiheit und ermutigt Studierende, Forschungsrichtungen zu erkunden, die künftige wissenschaftliche und KI-bezogene Trends prägen könnten. Der aktuelle Schwerpunkt umfasst Grundlagenforschung zu generativen Modellen und Repräsentationslernen, wissenschaftliche Agenten sowie AI4Science-Anwendungen.

Die folgenden Bereiche sind besonders relevant, aber nicht erschöpfend.

Wissenschaftliche KI

Tiefe generative Grundlagen und Anwendungen

Das Team untersucht grundlegende KI-Methoden, die von der Physik und verwandten wissenschaftlichen Prinzipien inspiriert sind. Zu den Themen gehören diskrete und kontinuierliche Diffusionsmodelle, weitere Methoden des generativen Modellierens sowie Anwendungen wie 3D-Punktwolken, Molekülgenerierung und Weltmodelle.

Diese Forschungsrichtung eignet sich für Studierende, die auf grundlegender Ebene an generativem Modellieren arbeiten und die Methoden zugleich mit wissenschaftlichen Fragestellungen verknüpfen möchten.

Multimodales Repräsentationslernen

Das Team erforscht einheitliche multimodale Repräsentationsmodelle, einschließlich Tokenisierung, Modalfusion und der Integration von Repräsentation und Generierung.

Ziel ist es nicht nur, verschiedene Datenmodalitäten aufeinander abzustimmen, sondern Repräsentationslernen auch für wissenschaftliche Generierung nutzbar zu machen. Dazu gehört der Aufbau natürlicherer und einheitlicherer Wege zur Generierung und zum schlussfolgernden Umgang mit wissenschaftlichen Strukturen.

Wissenschaftliche Agenten und autonome Entdeckung

Diese Forschungsrichtung konzentriert sich auf KI-Agenten, LLM-Agenten und Multi-Agenten-Systeme für wissenschaftliche Aufgaben. Das Team erforscht Agenten mit Fähigkeiten zur Planung, zum schlussfolgernden Denken, zur Werkzeugnutzung, zum Versuchsdesign und zur autonomen Optimierung.

Anwendungen

umfassen Moleküldesign, Protein-Engineering, automatisierte Experimente, literaturbasierte Wissensgewinnung und die Generierung wissenschaftlicher Hypothesen.

Das langfristige Ziel ist der Aufbau eines geschlossenen Kreislaufs aus:

1. Wahrnehmung
2. Schlussfolgerung
3. Generierung
4. Validierung
5. Rückkopplung

Dieser Kreislauf soll wissenschaftliche Entdeckungen und technische Innovationen beschleunigen.

Verkörperte wissenschaftliche Intelligenz und automatisierte Labore

Diese Ausrichtung untersucht, wie sich virtuelle Intelligenz in AI4Science mit realen experimentellen Systemen verbinden kann.

Das Team konzentriert sich auf die Zusammenarbeit zwischen wissenschaftlichen Agenten, robotischen Experimentierplattformen, automatisierten Laboren und intelligenten Entscheidungsfindungssystemen. Der angestrebte Kreislauf ist:

1. Computergestütztes Design
2. Automatisierte Durchführung
3. Experimentelle Validierung
4. Feedback-Optimierung

Ziel ist es, KI dabei zu helfen, von virtuellem Schlussfolgern und Moleküldesign zu realer experimenteller Beteiligung und schnellerer wissenschaftlicher Entdeckung überzugehen.

AI4Science

Biomolekulare Weltmodelle

Diese Ausrichtung konzentriert sich auf AlloDesign und zielt darauf ab, ein einheitliches Grundlagenmodell für biologische molekulare Systeme aufzubauen.

Die Forschung untersucht, wie tiefe generative Modelle und multimodales Repräsentationslernen molekulare Struktur, Funktion und Interaktion verstehen können. Sie ist nicht auf einen einzelnen Molekültyp beschränkt. Stattdessen soll derselbe Modellrahmen in der Lage sein, kleine Moleküle, Nukleinsäuren, Peptide, Antikörper, Proteine, Proteinkomplexe und andere biomolekulare Systeme zu verarbeiten.

Das Team zielt darauf ab, durchgängige Modellierungsfähigkeiten von der molekularen Repräsentation bis zum funktionalen Design aufzubauen. Durch die Einbeziehung von Strukturvorhersage, funktionaler Bewertung und experimentellem Feedback können generierte Ergebnisse im Laufe der Zeit korrigiert und validiert werden.

Dies könnte schrittweise zu allgemeinen intelligenten Designmethoden für die Wirkstoffforschung, das Protein-Engineering, Nukleinsäuretherapeutika und das Design von Biomaterialien führen.

Modelle zellulärer Signalwege und Alternsforschung

Diese Ausrichtung untersucht die computergestützte Modellierung molekularer Interaktionen und Signalwege innerhalb von Zellen.

Die zentrale Frage ist, wie sich molekulare Repräsentationen von Proteinen, kleinen Molekülen und Nukleinsäuren mit zellulären Funktionszuständen verknüpfen lassen. Das Team möchte prädiktive Modelle entwickeln, die beschreiben, wie molekulare Störungen zu zellulären Reaktionen führen.

Die Forschung widmet alternsbezogenen Signalwegen und regulatorischen Mechanismen in Krankheitszuständen besondere Aufmerksamkeit. Sie untersucht außerdem, wie KI die Auswirkungen molekularer Eingriffe auf das Zellschicksal, die Signaltransduktion und den Funktionsverlust verstehen kann.

Das erwartete Ergebnis ist eine neue Reihe computergestützter Methoden für die Zielidentifikation, die Wirkmechanismusanalyse und präzise Interventionen.

AR/VR-virtuelle Wissenschaftler

Diese Ausrichtung untersucht immersive Interaktionsmethoden für wissenschaftliche Entdeckungen.

Das Team erforscht, wie komplexe molekulare Strukturen, zelluläre Signalwege und Modellgenerierungsprozesse in verständliche und interaktive 3D-Forschungsschnittstellen überführt werden können.

Im Mittelpunkt steht die Zusammenarbeit zwischen menschlichen Wissenschaftlern und KI-Agenten. Insbesondere interessiert sich das Team dafür, wie interaktive Visualisierung und Agentensysteme die Hypothesengenerierung, das Experimentdesign und

Ergebnisinterpretation.

Diese Ausrichtung zielt darauf ab, neue Interaktionsparadigmen für zukünftige virtuelle Forschungsumgebungen und autonome Systeme zur wissenschaftlichen Entdeckung bereitzustellen.

Talentgewinnung

Das Team rekrutiert Doktorandinnen und Doktoranden für den Studienbeginn 2027; es stehen etwa 4 bis 6 Plätze zur Verfügung. Postdoc-Stellen werden fortlaufend vergeben.

Das Team begrüßt außerdem wissenschaftliche Hilfskräfte, Gaststudierende und andere Bewerberinnen und Bewerber, die Scientific AI, AI4Science, generative KI, biomolekulares Design, wissenschaftliche Agenten, verkörperte Intelligenz und automatisierte Labore erkunden möchten.

Das Team ist überzeugt, dass echtes Forschungsinteresse und Leidenschaft die wichtigsten Triebkräfte exzellenter Arbeit sind. Bewerberinnen und Bewerber mit einschlägigem Hintergrund und starkem Ehrgeiz sind ausdrücklich zur Bewerbung ermutigt. Das Team berücksichtigt die Forschungsinteressen, den Hintergrund und die Fähigkeiten jeder einzelnen Person und hilft anschließend dabei, eine personalisierte Forschungsrichtung zu entwickeln.

Falls Sie an einem Promotionsprogramm interessiert sind

Das Team sucht nach potenziellen Forschenden, die eine Leidenschaft für wissenschaftliche Forschung mitbringen, hohe Ansprüche an sich selbst stellen und über einen ausgeprägten akademischen Anspruch verfügen.

Die grundlegenden Erwartungen an Promotionsbewerberinnen und -bewerber sind im Folgenden aufgeführt.

1. Forschungserfahrung

Von Bachelorstudierenden werden keine veröffentlichten Arbeiten verlangt. Bewerberinnen und Bewerber sollten jedoch Erfahrung mit Forschungsprojekten haben und ihre Rolle sowie ihren Beitrag im Forschungsprozess klar erläutern können.

Bei Masterstudierenden sind veröffentlichte oder eingereichte Arbeiten bei führenden Konferenzen oder in renommierten Fachzeitschriften wünschenswert, etwa bei NeurIPS, ICML, CVPR oder ICLR.

Auch Arbeiten, die nur auf arXiv verfügbar sind, sind willkommen. Bewerberinnen und Bewerber werden ermutigt, ihre ein oder zwei besten Arbeiten deutlich zu kennzeichnen, damit das Labor die Qualität und den dahinterstehenden Forschungsanspruch sorgfältig beurteilen kann.

1. Zusätzliche Qualifikationen

Bewerberinnen und Bewerber sind besonders wettbewerbsfähig, wenn sie über eine oder mehrere der folgenden Stärken verfügen:

• Einen starken Hintergrund in Mathematik oder Physik, etwa ein Studium der Mathematik oder Physik oder Auszeichnungen bei anerkannten Mathematikwettbewerben.
• Starke Programmierfähigkeiten, beispielsweise einen Hintergrund in Informatik oder Software Engineering, die Teilnahme an Programmierwettbewerben oder eine leitende Rolle in wirkungsvollen Community-Projekten.
• Einen hochwertigen technischen Blog mit langfristigen, regelmäßigen Aktualisierungen.
• Aktive Nachweise technischer Beiträge.
• Langfristige Praktikumserfahrung in technischen Rollen.

Falls Sie daran interessiert sind, als Praktikantin, Praktikant oder wissenschaftliche Hilfskraft einzusteigen

Für Positionen als wissenschaftliche Hilfskraft begrüßt das Team Kandidatinnen und Kandidaten mit starkem Forschungsinteresse, insbesondere diejenigen, die:

1. Vor einer zukünftigen Bewerbung für ein Promotionsprogramm eine solide Forschungsgrundlage aufbauen möchten.
2. Sehr gut zu den Forschungsrichtungen des Labors passen und bereit sind, das Team bei Forschung, technischer Umsetzung und Datenanalyse zu unterstützen.

Grundanforderungen

Bewerberinnen und Bewerber sollten im Allgemeinen Folgendes mitbringen:

• Einen Bachelorabschluss oder höher.
• Vorzugsweise einen Hintergrund in Mathematik, Physik, Informatik oder einem verwandten Fachgebiet.
• Gute Programmierkenntnisse, etwa Vertrautheit mit Python, C++ oder ähnlichen Sprachen.
• Solide Fähigkeiten in der technischen Umsetzung.
• Eine starke Lernfähigkeit und die Fähigkeit, sich neues Wissen und neue Werkzeuge schnell anzueignen.

Zusätzliche Qualifikationen

Qualifikationen

Die folgenden Erfahrungen sind besonders wertvoll:

• Erstautorenschaft bei der Veröffentlichung wissenschaftlicher Arbeiten.
• Erfahrung in der Entwicklung, Optimierung oder Wartung groß angelegter Projekte, beispielsweise GitHub-Projekte.
• Vertrautheit mit Deep-Learning-Frameworks wie PyTorch oder TensorFlow.
• Erfahrung in Forschungswettbewerben wie Kaggle oder ACM, idealerweise mit Auszeichnungen.

Das Team begrüßt außerdem Bachelor- und Masterstudierende als Gaststudierende. Gaststudierende können an den laufenden Spitzenforschungsprojekten des Labors mitwirken.

Grundvoraussetzungen für Gaststudierende

Bewerberinnen und Bewerber für ein Gaststudium sollten über Folgendes verfügen:

• Eine starke Lernmotivation und ein echtes Interesse an akademischer Forschung.
• Erfahrung mit der Mitwirkung an einem vollständigen Forschungsprojekt sowie die Fähigkeit, den eigenen Beitrag und die zugrunde liegenden Überlegungen zu erläutern.
• Gute Englischkenntnisse, einschließlich der Fähigkeit, wissenschaftliche Fachliteratur zu lesen und zu verfassen.

Zusätzliche Qualifikationen für Gaststudierende

Hilfreiche zusätzliche Stärken sind:

• Eingereichte oder veröffentlichte Arbeiten in führenden Konferenzen oder Fachzeitschriften, nicht zwingend als Erstautor/in.
• Starke Programmierkenntnisse.
• Open-Source-Projekte oder technische Blogs.
• Auszeichnungen bei Wettbewerben zur mathematischen Modellierung oder anderen forschungsbezogenen Aktivitäten.

Das Team erklärt, dass es alle Bewerbungsunterlagen sorgfältig prüfen und alle Bewerberinnen und Bewerber fair behandeln wird.

Forschungsbedingungen

Rechenressourcen

Das Team verfügt über starke Rechenressourcen durch die Chinese University of Hong Kong und das Institute of Medical Intelligence and XR.

Darüber hinaus arbeitet das Team mit Unternehmen wie Valhalla Technology, Alibaba, Tencent, DP Technology und BioMap zusammen, die ebenfalls umfangreiche Rechenressourcen auf Unternehmensebene bereitstellen.

Austausch- und Praktikumsmöglichkeiten

Das Team pflegt langfristige Kooperationen mit Institutionen wie dem MIT, Harvard, der University of Washington, der UCLA, der National University of Singapore und der University of Cambridge.

Doktorandinnen und Doktoranden werden ermutigt, an Forschungspraktika und Austauschmöglichkeiten im Ausland teilzunehmen, die sowohl die akademische Entwicklung als auch die internationale Zusammenarbeit fördern können.

Akademischer Austausch

Das Team ermutigt Studierende, Kooperationen mit Wissenschaftlerinnen und Wissenschaftlern sowie führenden Forschungseinrichtungen des Fachgebiets aufzubauen. Es unterstützt Studierende zudem nachdrücklich bei der Teilnahme an internationalen wissenschaftlichen Konferenzen, einschließlich Kostenerstattung.

Zu Forschungsthemen und aktuellen Schwerpunktbereichen, für die sich Studierende interessieren, organisiert das Team aktiv Vorträge eingeladener Expertinnen und Experten und fördert einschlägige wissenschaftliche Online-Austauschformate.

Akademische Zusammenarbeit

Das Labor unterstützt sowohl Online- als auch Offline-Zusammenarbeit in der KI-Grundlagenforschung und zu neu entstehenden KI-Forschungsthemen. Es begrüßt Kooperationspartner aus Universitäten und Unternehmen im In- und Ausland, sofern beide Seiten kompatible Forschungsinteressen teilen.

Zusammenarbeit in der KI-Grundlagenforschung

Das Labor arbeitet eng mit Forschungsabteilungen von Unternehmen im Bereich großer Modelle und generativer KI zusammen. Zu den Forschungsfeldern gehören Repräsentations-Pretraining, diffusionsbasierte generative Modelle, autoregressive und verwandte generative Methoden sowie weitere zukunftsweisende KI-Richtungen.

Zusammenarbeit bei AI4Science-Projekten

Das Labor fördert die Anwendung von KI-Innovationen auf Probleme der Lebenswissenschaften in vielfältiger Form. Ziel ist es, das Potenzial von KI bei der Lösung komplexer Herausforderungen in den Lebenswissenschaften zu erforschen.

Das Team arbeitet mit Universitäten und Forschungsinstituten wie der Westlake University, der Zhejiang University, dem Lingang Laboratory und dem Shanghai AI Laboratory sowie mit führenden AI4Science-Unternehmen wie DP Technology und BioMap zusammen. Diese Kooperationen decken mehrere Bereiche der Lebenswissenschaften ab, darunter Proteine und kleine Moleküle.

Bewerbung

Studierende und Forschende, die sich für das Labor interessieren, können eine E-Mail senden an:

oteam.science@outlook.com

Die Betreffzeile der E-Mail sollte folgendem Format entsprechen:

Schule + Name + Bewerbung für PhD / Postdoc / Visiting Student / Research Assistant

Bewerberinnen und Bewerber sollten Folgendes anhängen:

• Einen Lebenslauf.
• Ein Motivationsschreiben.
• Weitere Unterlagen, die ihre Fähigkeiten, Forschungserfahrung oder technischen Stärken belegen.

FAQ

Wofür rekrutiert das CUHK-AI4Science-Team?

Das Team rekrutiert PhD-Studierende mit Einstieg im Jahr 2027, Postdoktorandinnen und Postdoktoranden, Research Assistants sowie Visiting Students. Die Forschungsschwerpunkte umfassen Scientific AGI, AI4Science, generative KI, Moleküldesign, wissenschaftliche Agenten, verkörperte Intelligenz und automatisierte Labore.

Müssen Bewerberinnen und Bewerber im Grundstudium bereits veröffentlichte Arbeiten haben?

Nein. Bewerberinnen und Bewerber im Grundstudium müssen keine veröffentlichten Arbeiten vorweisen, sollten aber Erfahrung mit Forschungsprojekten haben. Außerdem sollten sie klar erläutern können, was sie getan haben, welchen Beitrag sie geleistet haben und was sie aus dem Projekt gelernt haben.

Welche fachlichen Hintergründe passen zu diesem Team?

Das Team begrüßt Bewerbungen aus der Informatik, Mathematik, Physik, Chemie, Pharmazie, biomedizinischen Technik und verwandten Fachgebieten. Da die Forschung interdisziplinär ist, sind sowohl starke technische Fähigkeiten als auch ein echtes Interesse an wissenschaftlichen Fragestellungen wichtig.

Auf welche Forschungsbereiche konzentriert sich das Team?

Zu den zentralen Richtungen gehören tiefe generative Modelle, multimodales Repräsentationslernen, Scientific Agents, automatisierte Labore, biomolekulare Weltmodelle, Modellierung zellulärer Signalwege, Alternsforschung sowie AR/VR-virtuelle Wissenschaftler.

Welche Fähigkeiten sind für Bewerberinnen und Bewerber für eine Stelle als Research Assistant nützlich?

Starke Programmierfähigkeiten sind wichtig, insbesondere Erfahrung mit Python, C++, PyTorch oder TensorFlow. Erfahrung im großskaligen Engineering, in Forschungswettbewerben, mit GitHub-Projekten, technischen Blogs sowie Erfahrung mit wissenschaftlichen Veröffentlichungen sind ebenfalls hilfreich.

Ist das Team für Bewerberinnen und Bewerber geeignet, die sich auf ein zukünftiges PhD-Studium vorbereiten?

Ja. Die Position als Research Assistant eignet sich besonders für Kandidatinnen und Kandidaten, die vor einer Bewerbung für ein PhD-Programm zunächst eine stärkere Forschungsgrundlage aufbauen möchten. Das Team begrüßt auch Visiting Students, die an Forschungsprojekten an der wissenschaftlichen Spitze mitwirken möchten.

Wie sollten Bewerberinnen und Bewerber ihre Unterlagen einreichen?

Bewerberinnen und Bewerber sollten eine E-Mail an oteam.science@outlook.com senden und dabei das Betreffformat Schule + Name + Bewerbung für PhD / Postdoc / Visiting Student / Research Assistant verwenden. Die E-Mail sollte einen Lebenslauf, ein Motivationsschreiben sowie ergänzende Unterlagen enthalten, die Forschungs- und technische Fähigkeiten belegen.

Verwandte Tools

• [Google Scholar](https://scholar.

google.com/): Nützlich zur Überprüfung von Publikationen, Zitierungen und akademischen Forschungsprofilen.

• arXiv: Eine weit verbreitete Preprint-Plattform für Forschung in KI, maschinellem Lernen und wissenschaftlichem Rechnen.
• GitHub: Nützlich zum Teilen von Open-Source-Forschungscode, Engineering-Projekten und technischen Beiträgen.
• PyTorch: Ein beliebtes Deep-Learning-Framework, das in der KI-Forschung und Modellentwicklung eingesetzt wird.
• TensorFlow: Eine Deep-Learning-Plattform zum Erstellen und Bereitstellen von Modellen des maschinellen Lernens.
• Kaggle: Eine Plattform für Data-Science-Wettbewerbe, Datensätze, Notebooks und die praktische Anwendung von maschinellem Lernen.

Verwandte Links

• Originalartikel auf BAAI Hub: Der ursprüngliche chinesische Recruiting-Artikel.
• The Chinese University of Hong Kong: Offizielle Homepage der CUHK.
• CUHK Department of Computer Science and Engineering: Offizielle Website des Fachbereichs Informatik und Ingenieurwesen der CUHK.
• CUHK CSE Faculty Page: Offizielles Fakultätsverzeichnis des Fachbereichs Informatik und Ingenieurwesen.
• Professor Pheng Ann Heng Research Profile: Offizielles Forschungsprofil von Prof. Pheng Ann Heng an der CUHK.
• Institute of Medical Intelligence and XR: Offizielle Website des Institute of Medical Intelligence and XR der CUHK.
• Prof. Pheng Ann Heng Google Scholar Profile: Publikations- und Zitierungsprofil von Prof. Pheng Ann Heng.
• AI for Science in Quantum, Atomistic, and Continuum Systems: Ein breit angelegter Übersichtsartikel zu AI4Science zum Verständnis der umfassenderen Forschungslandschaft.

Zusammenfassung

Dieser Artikel erläutert den Rekrutierungsplan des CUHK-AI4Science-Teams, die Forschungsrichtungen, die Bewerbungsanforderungen und das Forschungsumfeld. Er ist besonders nützlich für Studierende, die sich für Scientific AGI, AI4Science, Moleküldesign, wissenschaftliche Agenten und autonome wissenschaftliche Entdeckung interessieren.

Bewerberinnen und Bewerber sollten besonders auf die Unterschiede zwischen den Erwartungen an Promotionsstudierende, Forschungsassistenten und Gaststudierende achten. Umfangreiche Forschungserfahrung, Programmierfähigkeiten, ein mathematischer oder naturwissenschaftlicher Hintergrund sowie eine klare Motivation sind in jedem Fall hilfreich.

Für Bewerberinnen und Bewerber, die sich für KI-gestützte wissenschaftliche Entdeckungen interessieren, bietet dieses Team ein Forschungsumfeld, das modernste KI-Methoden, interdisziplinäre wissenschaftliche Fragestellungen, starke Rechenressourcen und internationale Zusammenarbeit vereint.