For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the complete content index is available at https://we0.ai/llms.txt, the full English article bundle is available at https://we0.ai/llms-full.txt, and this page is available as Markdown at https://we0.ai/de/articles/cuhk-ai4science-team-recruitment-2027.md.
Dieser Artikel erläutert den Rekrutierungsplan des CUHK-AI4Science-Teams, seine Forschungsrichtungen, die Bewerbungsanforderungen und das Fo...
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.
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.
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.
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.
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.
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.
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:
Dieser Kreislauf soll wissenschaftliche Entdeckungen und technische Innovationen beschleunigen.
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:
Ziel ist es, KI dabei zu helfen, von virtuellem Schlussfolgern und Moleküldesign zu realer experimenteller Beteiligung und schnellerer wissenschaftlicher Entdeckung überzugehen.
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.
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.
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.
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.
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.
Beschreibe deine Idee einmal, und We0 AI erstellt eine Showcase-Website, Seiten und ein CMS und hilft nach dem Launch bei Kunden und Traffic.
Eine komplette Projektgeneration zur kostenlosen Registrierung
Am besten geeignet, um einen vollständigen Generierungsablauf auszuprobieren und schnell einen ersten Projektentwurf zu sehen.
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.
Bewerberinnen und Bewerber sind besonders wettbewerbsfähig, wenn sie über eine oder mehrere der folgenden Stärken verfügen:
Für Positionen als wissenschaftliche Hilfskraft begrüßt das Team Kandidatinnen und Kandidaten mit starkem Forschungsinteresse, insbesondere diejenigen, die:
Bewerberinnen und Bewerber sollten im Allgemeinen Folgendes mitbringen:
Qualifikationen
Die folgenden Erfahrungen sind besonders wertvoll:
Das Team begrüßt außerdem Bachelor- und Masterstudierende als Gaststudierende. Gaststudierende können an den laufenden Spitzenforschungsprojekten des Labors mitwirken.
Bewerberinnen und Bewerber für ein Gaststudium sollten über Folgendes verfügen:
Hilfreiche zusätzliche Stärken sind:
Das Team erklärt, dass es alle Bewerbungsunterlagen sorgfältig prüfen und alle Bewerberinnen und Bewerber fair behandeln wird.
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.
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.
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.
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.
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.
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.
Studierende und Forschende, die sich für das Labor interessieren, können eine E-Mail senden an:
[email protected]
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:
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.
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.
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.
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.
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.
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.
Bewerberinnen und Bewerber sollten eine E-Mail an [email protected] 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.
google.com/): Nützlich zur Überprüfung von Publikationen, Zitierungen und akademischen Forschungsprofilen.
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.
Starte mit einem Satz und erhalte in wenigen Minuten eine vollständige Website.
