Introducción
El equipo AI4Science de The Chinese University of Hong Kong está reclutando estudiantes e investigadores interesados en la AGI científica, AI4Science, la IA generativa, el diseño molecular, los agentes científicos, la inteligencia corporeizada y los laboratorios automatizados.
Este artículo reorganiza la información original de reclutamiento en una versión en inglés más clara para los solicitantes que deseen comprender la dirección de investigación del equipo, los puestos disponibles, las expectativas de la solicitud y el entorno de investigación. Se conserva la estructura original, pero la redacción se ha hecho más fluida y fácil de leer.
Nota sobre la fuente: El artículo original se publicó en BAAI Hub y señala que el contenido fue tomado de WeChat. El cuerpo del artículo incluye una imagen relevante relacionada con el campus/equipo. Se excluyeron los anuncios de banner, las imágenes decorativas del sitio y los iconos de la interfaz para volver al inicio.
Visión general del equipo
El grupo del profesor Pheng Ann Heng, del Departamento de Ciencias de la Computación e Ingeniería de The Chinese University of Hong Kong, junto con OTeam, se centra en la Inteligencia Artificial General Científica, o AGI científica.
El equipo tiene como objetivo construir un modelo fundacional computacional general para AI4Science. Su trabajo explora el modelado, razonamiento, generación y diseño unificados en sistemas científicos complejos. Los temas de investigación incluyen modelos del mundo de diseño molecular de todo a todo, modelos virtuales de vías biológicas, Agentes Científicos y sistemas de laboratorio autónomos que combinan AR/VR con flujos de trabajo científicos inteligentes.
El objetivo más amplio es llevar la IA de ser una herramienta pasiva de análisis a convertirse en un sistema inteligente central que pueda participar activamente en el descubrimiento científico.
El equipo hace hincapié en una trayectoria de investigación sistemática, desde modelos fundacionales y algoritmos clave hasta problemas científicos reales. Se espera que los estudiantes desarrollen capacidades de modelado, razonamiento, diseño y trabajo en bucle experimental en entornos interdisciplinarios.
El grupo da la bienvenida a estudiantes de farmacia, física, química, ingeniería biomédica, ciencias de la computación y otras disciplinas afines. Ofrece un ambiente de investigación abierto, sólidos recursos científicos y abundantes recursos de cómputo, con casi mil tarjetas de cómputo disponibles. El equipo también mantiene colaboraciones de largo plazo con laboratorios internacionales líderes en AI4Science, incluidos grupos del MIT, Harvard, Stanford y el Baker Lab.
Además de la investigación básica, el equipo cuenta con sólidos recursos para la transferencia industrial y ha recibido cerca de cien millones de RMB en apoyo de la industria. Esto brinda a los estudiantes una plataforma que combina exploración de frontera, formación interdisciplinaria y aplicación científica práctica.
Se anima a los solicitantes interesados en la AGI científica y en la investigación de vanguardia en AI4Science a unirse y ayudar a explorar la próxima generación de
Descubrimiento científico impulsado por la IA.
Líder del equipo
El profesor Pheng Ann Heng es profesor Choh-Ming Li de Ciencias de la Computación e Ingeniería en la Universidad China de Hong Kong. También se desempeña como director del Instituto de Inteligencia Médica y XR de la CUHK y codirector del Laboratorio Conjunto Guangdong-Hong Kong-Macao de Sistemas de Sinergia de Inteligencia Humano-Máquina.
Obtuvo su licenciatura en Ciencias de la Computación en la Universidad Nacional de Singapur en 1985 y su doctorado en Ciencias de la Computación en la Universidad de Indiana en
1992. Se incorporó al Centro NUS-JHU de Medicina Potenciada por la Información como investigador asociado en
1992. En 1995, se unió al Departamento de Ciencias de la Computación e Ingeniería de la CUHK como profesor asistente y fue promovido a profesor titular en 2002.
En 2007, el profesor Heng recibió la Cátedra de Profesor Distinguido Cheung Kong otorgada por el Ministerio de Educación de China. También ha ejercido como presidente del departamento y director de la división de posgrado.
Desde 1999, ha dirigido el Centro de Investigación en Realidad Virtual, Visualización e Imagen de la CUHK. Desde 2006, también ha dirigido el Centro de Tecnología de Interacción Humano-Computadora del Instituto de Tecnología Avanzada de Shenzhen, Academia China de Ciencias.
Sus intereses de investigación incluyen análisis de imágenes médicas, inteligencia artificial, simulación quirúrgica, visualización y realidad extendida. Ha publicado más de 760 artículos, con más de 80.000 citas en Google Scholar y un índice h de
132. Ha sido reconocido por Clarivate como Investigador Altamente Citado y por Research.com como una figura destacada de las ciencias de la computación en China.
Direcciones de investigación
El equipo apoya la libertad académica y anima a los estudiantes a explorar líneas de investigación que puedan dar forma a las futuras tendencias científicas y de la IA. El enfoque actual incluye investigación fundamental en modelos generativos y aprendizaje de representaciones, agentes científicos y aplicaciones de IA para la ciencia.
Las siguientes áreas son especialmente relevantes, aunque no exhaustivas.
IA científica
Fundamentos generativos profundos y aplicaciones
El equipo estudia métodos fundamentales de IA inspirados en la física y en principios científicos relacionados. Los temas incluyen modelos de difusión discretos y continuos, otros métodos de modelado generativo y aplicaciones como nubes de puntos 3D, generación de moléculas y modelos del mundo.
Esta línea es adecuada para estudiantes que quieran trabajar en modelado generativo a un nivel fundamental, al tiempo que conectan los métodos con problemas científicos.
Aprendizaje multimodal de representaciones
El equipo estudia modelos unificados de representación multimodal, incluyendo tokenización, fusión de modalidades e integración entre representación y generación.
El objetivo no es solo alinear diferentes modalidades de datos, sino también hacer que el aprendizaje de representaciones sea útil para la generación científica. Esto incluye construir formas más naturales y unificadas de generar y razonar sobre estructuras científicas.
Agentes científicos y descubrimiento autónomo
Esta línea se centra en agentes de IA, agentes basados en LLM y sistemas multiagente para tareas científicas. El equipo explora agentes con capacidades de planificación, razonamiento, uso de herramientas, diseño experimental y optimización autónoma.
Aplicaciones
incluyen diseño molecular, ingeniería de proteínas, experimentos automatizados, minería de conocimiento basada en la literatura y generación de hipótesis científicas.
El objetivo a largo plazo es construir un ciclo cerrado de:
- Percepción
- Razonamiento
- Generación
- Validación
- Retroalimentación
Este ciclo está destinado a acelerar el descubrimiento científico y la innovación en ingeniería.
Inteligencia Científica Incorporada y Laboratorios Automatizados
Esta línea estudia cómo la inteligencia virtual puede conectarse con sistemas experimentales reales en AI4Science.
El equipo se centra en la colaboración entre Agentes Científicos, plataformas robóticas de experimentación, laboratorios automatizados y sistemas inteligentes de toma de decisiones. El ciclo previsto es:
- Diseño computacional
- Ejecución automatizada
- Validación experimental
- Optimización mediante retroalimentación
El objetivo es ayudar a la IA a pasar del razonamiento virtual y el diseño molecular a la participación experimental real y a un descubrimiento científico más rápido.
AI4Science
Modelos del Mundo Biomolecular
Esta línea se centra en AlloDesign y tiene como objetivo construir un modelo fundacional unificado para sistemas moleculares biológicos.
La investigación estudia cómo los modelos generativos profundos y el aprendizaje de representaciones multimodales pueden comprender la estructura, la función y la interacción molecular. No se limita a un solo tipo de molécula. En cambio, el mismo marco de modelo debería ser capaz de manejar moléculas pequeñas, ácidos nucleicos, péptidos, anticuerpos, proteínas, complejos proteicos y otros sistemas biomoleculares.
El equipo pretende desarrollar capacidades de modelado continuo, desde la representación molecular hasta el diseño funcional. Al incorporar predicción estructural, evaluación funcional y retroalimentación experimental, los resultados generados pueden corregirse y validarse con el tiempo.
Esto podría conducir gradualmente a métodos generales de diseño inteligente para el descubrimiento de fármacos, la ingeniería de proteínas, las terapias con ácidos nucleicos y el diseño de biomateriales.
Modelos de Vías Celulares e Investigación sobre el Envejecimiento
Esta línea estudia el modelado computacional de interacciones moleculares y vías de señalización dentro de las células.
La pregunta clave es cómo conectar las representaciones a nivel molecular de proteínas, moléculas pequeñas y ácidos nucleicos con los estados funcionales celulares. El equipo quiere construir modelos predictivos que describan cómo las perturbaciones moleculares conducen a respuestas celulares.
La investigación presta especial atención a las vías relacionadas con el envejecimiento y a los mecanismos regulatorios en estados de enfermedad. También explora cómo la IA puede comprender los efectos de las intervenciones moleculares sobre el destino celular, la transducción de señales y el deterioro funcional.
El resultado esperado es un nuevo conjunto de métodos computacionales para el descubrimiento de dianas, el análisis del mecanismo de acción y la intervención precisa.
Científicos Virtuales en AR/VR
Esta línea estudia métodos de interacción inmersiva para el descubrimiento científico.
El equipo explora cómo las estructuras moleculares complejas, las vías celulares y los procesos de generación de modelos pueden transformarse en interfaces de investigación 3D comprensibles e interactivas.
El enfoque está en la colaboración entre científicos humanos y Agentes de IA. En particular, el equipo está interesado en cómo la visualización interactiva y los sistemas de agentes pueden apoyar la generación de hipótesis, el diseño experimental y
interpretación de resultados.
Esta línea busca ofrecer nuevos paradigmas de interacción para futuros entornos virtuales de investigación y sistemas autónomos de descubrimiento científico.
Reclutamiento de talento
El equipo está reclutando estudiantes de doctorado para el ingreso de 2027, con alrededor de 4 a 6 plazas disponibles. Las posiciones posdoctorales están abiertas de forma continua.
El equipo también da la bienvenida a asistentes de investigación, estudiantes visitantes y otros candidatos que deseen explorar la IA científica, AI4Science, la IA generativa, el diseño biomolecular, los agentes científicos, la inteligencia corporeizada y los laboratorios automatizados.
El equipo cree que el interés genuino por la investigación y la pasión son los principales motores de un trabajo excelente. Se anima a postular a quienes cuenten con formación relevante y una gran ambición. El equipo considerará los intereses de investigación, la formación y las capacidades de cada solicitante, y luego ayudará a diseñar una dirección de investigación personalizada.
Si te interesa un programa de doctorado
El equipo busca investigadores potenciales apasionados por la investigación científica, con altos estándares personales y un sólido criterio académico.
A continuación se enumeran las expectativas básicas para los solicitantes de doctorado.
- Experiencia en investigación
Para estudiantes de pregrado, no se requieren artículos publicados. Sin embargo, los solicitantes deben tener experiencia en proyectos de investigación y deben poder explicar claramente su papel y contribución en el proceso de investigación.
Para estudiantes de maestría, se prefiere contar con artículos publicados o enviados a conferencias o revistas de primer nivel, como NeurIPS, ICML, CVPR o ICLR.
Crea un sitio de presentacion y capta leads en minutos
Describe tu idea una vez y We0 AI puede generar un sitio de presentacion, paginas y CMS, y ayudarte a atraer clientes y trafico tras el lanzamiento.
Una generación completa de proyectos para registro gratuito
Lo mejor para probar un flujo de generación completo y ver rápidamente el primer borrador del proyecto.
También se aceptan trabajos disponibles únicamente en arXiv. Se anima a los solicitantes a señalar claramente sus uno o dos mejores trabajos, para que el laboratorio pueda evaluar cuidadosamente la calidad y el criterio de investigación que hay detrás de ellos.
- Cualificaciones adicionales
Los solicitantes serán especialmente competitivos si cuentan con una o más de las siguientes fortalezas:
- Una sólida formación en matemáticas o física, como una especialización en matemáticas o física, o premios en competiciones reconocidas de matemáticas.
- Gran capacidad de programación, como formación en ciencias de la computación o ingeniería de software, participación en competiciones de programación o liderazgo en proyectos comunitarios de impacto.
- Un blog técnico de alta calidad con actualizaciones constantes a largo plazo.
- Un historial activo de contribuciones técnicas.
- Experiencia de prácticas de larga duración en funciones técnicas.
Si te interesa unirte como becario o asistente de investigación
Para los puestos de asistente de investigación, el equipo da la bienvenida a candidatos con un fuerte interés por la investigación, especialmente a quienes:
- Quieren construir una base sólida en investigación antes de postular a futuros programas de doctorado.
- Tienen una fuerte afinidad con las líneas de investigación del laboratorio y están dispuestos a apoyar al equipo en investigación, implementación de ingeniería y análisis de datos.
Requisitos básicos
Por lo general, los solicitantes deben tener:
- Título de grado o superior.
- Preferiblemente, formación en matemáticas, física, ciencias de la computación o un campo relacionado.
- Buena capacidad de programación, como familiaridad con Python, C++ o lenguajes similares.
- Sólidas habilidades de implementación en ingeniería.
- Gran capacidad de aprendizaje y habilidad para dominar rápidamente nuevos conocimientos y herramientas.
Cualificaciones adicionales
Cualificaciones
La siguiente experiencia es especialmente valiosa:
- Participación como primer autor en la publicación de artículos de investigación.
- Experiencia en el desarrollo, la optimización o el mantenimiento de proyectos a gran escala, como proyectos en GitHub.
- Familiaridad con marcos de aprendizaje profundo como PyTorch o TensorFlow.
- Experiencia en competiciones de investigación, como Kaggle o ACM, con premios obtenidos.
El equipo también da la bienvenida a estudiantes de grado y de maestría como estudiantes visitantes. Los estudiantes visitantes pueden participar en los proyectos de investigación de vanguardia que el laboratorio tiene en curso.
Requisitos básicos para estudiantes visitantes
Los solicitantes a estudiante visitante deben contar con:
- Fuerte motivación por aprender e interés genuino en la investigación académica.
- Experiencia participando en un proyecto de investigación completo, con capacidad para explicar su contribución y su razonamiento.
- Buen nivel de inglés, incluida la capacidad de leer y redactar materiales de investigación académica.
Cualificaciones adicionales para estudiantes visitantes
Entre los puntos fuertes adicionales que resultan útiles se incluyen:
- Artículos enviados o publicados en conferencias o revistas de primer nivel, no necesariamente como primer autor.
- Sólidas habilidades de programación.
- Proyectos de código abierto o blogs técnicos.
- Premios en competiciones de modelado matemático u otras actividades relacionadas con la investigación.
El equipo afirma que revisará cuidadosamente todos los materiales de solicitud y tratará a cada solicitante de manera justa.
Condiciones de investigación
Recursos computacionales
El equipo cuenta con sólidos recursos computacionales a través de la Universidad China de Hong Kong y del Instituto de Inteligencia Médica y XR.
Además, el equipo trabaja con empresas como Valhalla Technology, Alibaba, Tencent, DP Technology y BioMap, lo que también proporciona importantes recursos computacionales de nivel empresarial.
Oportunidades de intercambio y prácticas
El equipo mantiene colaboraciones a largo plazo con instituciones como MIT, Harvard, la Universidad de Washington, UCLA, la Universidad Nacional de Singapur y la Universidad de Cambridge.
Se anima a los estudiantes de doctorado a participar en prácticas de investigación y oportunidades de intercambio en el extranjero, lo que puede favorecer tanto el crecimiento académico como la colaboración internacional.
Intercambio académico
El equipo anima a los estudiantes a establecer colaboraciones con académicos e instituciones de investigación de primer nivel en el campo. También apoya firmemente la participación de los estudiantes en conferencias académicas internacionales, incluyendo apoyo para reembolsos.
En cuanto a los temas de investigación y las áreas de actualidad recientes que interesan a los estudiantes, el equipo organiza activamente charlas invitadas y promueve intercambios académicos en línea relacionados.
Colaboración académica
El laboratorio apoya tanto la colaboración en línea como presencial en investigación fundamental en IA y en temas emergentes de investigación en IA. Da la bienvenida a colaboradores de universidades y empresas de China y del extranjero, siempre que ambas partes compartan intereses de investigación compatibles.
Colaboración en investigación fundamental de IA
El laboratorio trabaja estrechamente con departamentos de investigación de empresas de grandes modelos y de IA generativa. Las áreas de exploración incluyen el preentrenamiento de representaciones, los modelos generativos basados en difusión, los métodos generativos autorregresivos y relacionados, y otras direcciones de vanguardia en IA.
Colaboración en proyectos de AI4Science
El laboratorio fomenta la aplicación de la innovación en IA a los problemas de las ciencias de la vida de múltiples formas. Su objetivo es explorar el potencial de la IA para resolver desafíos complejos en las ciencias de la vida.
El equipo colabora con universidades e institutos de investigación como la Universidad de Westlake, la Universidad de Zhejiang, el Laboratorio Lingang y el Laboratorio de IA de Shanghái, así como con empresas líderes de AI4Science como DP Technology y BioMap. Estas colaboraciones abarcan múltiples áreas de las ciencias de la vida, incluidos las proteínas y las moléculas pequeñas.
Cómo postularse
Los estudiantes e investigadores interesados en el laboratorio pueden enviar un correo electrónico a:
El asunto del correo debe seguir este formato:
Escuela + Nombre + Solicitud para PhD / Postdoc / Estudiante visitante / Asistente de investigación
Los solicitantes deben adjuntar:
- Un currículum o CV.
- Una carta de motivación.
- Otros materiales que demuestren su capacidad, experiencia en investigación o fortalezas técnicas.
Preguntas frecuentes
¿Para qué está reclutando el equipo de AI4Science de CUHK?
El equipo está reclutando estudiantes de doctorado de ingreso en 2027, investigadores postdoctorales, asistentes de investigación y estudiantes visitantes. Las áreas de investigación incluyen AGI científica, AI4Science, IA generativa, diseño molecular, agentes científicos, inteligencia incorporada y laboratorios automatizados.
¿Los solicitantes de pregrado necesitan artículos publicados?
No. Los solicitantes de pregrado no necesitan haber publicado artículos, pero sí deben tener experiencia en proyectos de investigación. También deben ser capaces de explicar claramente qué hicieron, cuál fue su contribución y qué aprendieron del proyecto.
¿Qué perfiles son adecuados para este equipo?
El equipo da la bienvenida a solicitantes de informática, matemáticas, física, química, farmacia, ingeniería biomédica y campos relacionados. Dado que la investigación es interdisciplinaria, son importantes tanto una sólida capacidad técnica como un interés genuino por los problemas científicos.
¿En qué áreas de investigación se centra el equipo?
Las direcciones clave incluyen modelos generativos profundos, aprendizaje de representaciones multimodales, agentes científicos, laboratorios automatizados, modelos del mundo biomolecular, modelado de vías celulares, investigación sobre el envejecimiento y científicos virtuales de AR/VR.
¿Qué habilidades son útiles para los solicitantes a puestos de asistente de investigación?
Es importante tener una sólida capacidad de programación, especialmente experiencia con Python, C++, PyTorch o TensorFlow. También son útiles la experiencia en ingeniería a gran escala, la experiencia en concursos de investigación, proyectos en GitHub, blogs técnicos y experiencia en publicación de artículos.
¿Es adecuado el equipo para solicitantes que se preparan para futuros estudios de doctorado?
Sí. El puesto de asistente de investigación es especialmente adecuado para candidatos que desean construir una base de investigación más sólida antes de postularse a programas de doctorado. El equipo también da la bienvenida a estudiantes visitantes que quieran participar en proyectos de investigación de frontera.
¿Cómo deben los solicitantes enviar sus materiales?
Los solicitantes deben enviar un correo electrónico a [email protected] con el asunto en el formato Escuela + Nombre + Solicitud para PhD / Postdoc / Estudiante visitante / Asistente de investigación. El correo debe incluir un CV, una carta de motivación y materiales de apoyo que demuestren capacidad de investigación y capacidad técnica.
Herramientas relacionadas
- [Google Scholar](https://scholar.
google.com/): Útil para consultar publicaciones, citas y perfiles de investigación académica.
- arXiv: Una plataforma de preprints ampliamente utilizada para investigación en IA, aprendizaje automático y computación científica.
- GitHub: Útil para compartir código de investigación de código abierto, proyectos de ingeniería y contribuciones técnicas.
- PyTorch: Un marco de aprendizaje profundo muy popular utilizado en investigación en IA y desarrollo de modelos.
- TensorFlow: Una plataforma de aprendizaje profundo para crear e implementar modelos de aprendizaje automático.
- Kaggle: Una plataforma para competiciones de ciencia de datos, conjuntos de datos, notebooks y práctica aplicada de aprendizaje automático.
Enlaces relacionados
- Artículo original en BAAI Hub: El artículo original de reclutamiento en chino.
- Universidad China de Hong Kong: Página oficial de inicio de la CUHK.
- Departamento de Ciencias de la Computación e Ingeniería de la CUHK: Sitio web oficial del departamento de CSE de la CUHK.
- Página del profesorado de CSE de la CUHK: Directorio oficial del profesorado del Departamento de Ciencias de la Computación e Ingeniería.
- Perfil de investigación del profesor Pheng Ann Heng: Perfil oficial de investigación en la CUHK del Prof. Pheng Ann Heng.
- Instituto de Inteligencia Médica y XR: Sitio web oficial del Instituto de Inteligencia Médica y XR de la CUHK.
- Perfil de Google Scholar del Prof. Pheng Ann Heng: Perfil de publicaciones y citas del Prof. Pheng Ann Heng.
- IA para la ciencia en sistemas cuánticos, atomísticos y continuos: Un amplio artículo de revisión sobre AI4Science para comprender mejor el panorama general de la investigación.
Resumen
Este artículo explica el plan de reclutamiento, las líneas de investigación, los requisitos de solicitud y el entorno de investigación del equipo de AI4Science de la CUHK. Resulta especialmente útil para estudiantes interesados en AGI científica, AI4Science, diseño molecular, agentes científicos y descubrimiento científico autónomo.
Los solicitantes deben prestar mucha atención a las diferencias entre las expectativas para doctorado, asistente de investigación y estudiante visitante. Una sólida experiencia en investigación, capacidad de programación, formación en matemáticas o ciencias y una motivación clara serán de gran ayuda.
Para los solicitantes interesados en el descubrimiento científico impulsado por IA, este equipo ofrece un entorno de investigación que combina métodos de IA de vanguardia, problemas científicos interdisciplinarios, sólidos recursos computacionales y colaboración internacional.
