Набор в команду CUHK AI4Science: Scientific AGI, молекулярный дизайн и научные агенты

Введение

Команда AI4Science Гонконгского китайского университета приглашает студентов и исследователей, интересующихся Scientific AGI, AI4Science, генеративным ИИ, молекулярным дизайном, научными агентами, воплощённым интеллектом и автоматизированными лабораториями.

Эта статья представляет собой переработанную и более понятную английскую версию исходной информации о наборе для соискателей, которые хотят лучше понять исследовательские направления команды, доступные позиции, ожидания к кандидатам и исследовательскую среду. Исходная структура сохранена, но формулировки сделаны более плавными и удобными для чтения.

Примечание об источнике: исходная статья была опубликована на BAAI Hub, где указано, что содержание было взято из WeChat. В основной текст включено одно релевантное изображение, связанное с кампусом/командой. Баннерная реклама, декоративные изображения сайта и иконки интерфейса «наверх» были исключены.

Обзор команды

Группа профессора Pheng Ann Heng на факультете компьютерных наук и инженерии Гонконгского китайского университета совместно с OTeam сосредоточена на Scientific Artificial General Intelligence, или Scientific AGI.

Цель команды — создать универсальную вычислительную базовую модель для AI4Science. Её работа охватывает унифицированное моделирование, рассуждение, генерацию и проектирование в сложных научных системах. Темы исследований включают world models для молекулярного дизайна all-to-all, виртуальные модели биологических путей, Scientific Agents и системы self-driving laboratory, объединяющие AR/VR с интеллектуальными научными рабочими процессами.

Более широкая цель состоит в том, чтобы перевести ИИ из роли пассивного инструмента анализа в роль ключевой интеллектуальной системы, способной активно участвовать в научных открытиях.

Команда делает акцент на систематическом исследовательском пути — от базовых моделей и ключевых алгоритмов к решению реальных научных задач. От студентов ожидается развитие навыков моделирования, рассуждения, проектирования и работы в экспериментальном цикле в междисциплинарной среде.

Группа приветствует студентов из фармацевтики, физики, химии, биомедицинской инженерии, компьютерных наук и других смежных дисциплин. Она предлагает открытую исследовательскую атмосферу, мощную научную базу и значительные вычислительные ресурсы — в распоряжении команды находится почти тысяча вычислительных карт. Команда также поддерживает долгосрочное сотрудничество с ведущими международными лабораториями AI4Science, включая группы в MIT, Harvard, Stanford и Baker Lab.

Помимо фундаментальных исследований, команда располагает сильными ресурсами для индустриального трансфера и получила почти 100 миллионов юаней промышленной поддержки. Это даёт студентам платформу, сочетающую передовые исследования, междисциплинарную подготовку и практическое научное применение.

Кандидатам, интересующимся Scientific AGI и передовыми исследованиями в области AI4Science, рекомендуется присоединиться к команде и помочь в изучении следующего поколения

Научные открытия, основанные на ИИ.

Руководитель команды

Проф. Фенг Энн Хенг — профессор информатики и инженерии имени Чох-Минг Ли в Китайском университете Гонконга. Он также является директором Института медицинского интеллекта и XR в CUHK и содиректором Совместной лаборатории Гуандун–Гонконг–Макао по системам синергии человеческого и машинного интеллекта.

Он получил степень бакалавра по информатике в Национальном университете Сингапура в 1985 году и степень PhD по информатике в Университете Индианы в 1992 году. В 1992 году он присоединился к Центру информационно-улучшенной медицины NUS-JHU в качестве научного сотрудника. В 1995 году он поступил на работу на факультет информатики и инженерии CUHK в должности ассистент-профессора, а в 2002 году был повышен до профессора.

В 2007 году проф. Хенг был удостоен профессорской кафедры «Учёный Чанцзян» Министерства образования Китая. Он также занимал должности заведующего кафедрой и руководителя аспирантского подразделения.

С 1999 года он возглавляет Исследовательский центр виртуальной реальности, визуализации и обработки изображений в CUHK. С 2006 года он также руководит Центром технологий взаимодействия человека и компьютера в Шэньчжэньском институте передовых технологий Китайской академии наук.

Его научные интересы включают анализ медицинских изображений, искусственный интеллект, хирургическое моделирование, визуализацию и расширенную реальность. Он опубликовал более 760 статей, имеет свыше 80 000 цитирований в Google Scholar и h-индекс 132. Clarivate включила его в список наиболее цитируемых исследователей, а Research.com отметила его как одного из ведущих специалистов по компьютерным наукам в Китае.

Направления исследований

Команда поддерживает академическую свободу и поощряет студентов исследовать направления, которые могут формировать будущие научные и ИИ-тренды. В настоящее время основное внимание уделяется фундаментальным исследованиям в области генеративных моделей и обучения представлениям, научных агентов и применений AI4Science.

Следующие области особенно актуальны, но не исчерпывают всего спектра.

Научный ИИ

Глубинные генеративные основы и приложения

Команда изучает фундаментальные методы ИИ, вдохновлённые физикой и связанными с ней научными принципами. Темы включают дискретные и непрерывные диффузионные модели, другие методы генеративного моделирования и такие приложения, как 3D-облака точек, генерация молекул и world models.

Это направление подходит студентам, которые хотят заниматься генеративным моделированием на фундаментальном уровне, связывая эти методы с научными задачами.

Мультимодальное обучение представлениям

Команда изучает унифицированные модели мультимодальных представлений, включая токенизацию, слияние модальностей и интеграцию представлений с генерацией.

Цель состоит не только в согласовании различных модальностей данных, но и в том, чтобы сделать обучение представлениям полезным для научной генерации. Это включает создание более естественных и унифицированных способов генерации и рассуждения о научных структурах.

Научные агенты и автономные открытия

Это направление сосредоточено на AI-агентах, LLM-агентах и мультиагентных системах для научных задач. Команда исследует агентов, обладающих возможностями планирования, рассуждения, использования инструментов, проектирования экспериментов и автономной оптимизации.

Приложения

включают молекулярное проектирование, белковую инженерию, автоматизированные эксперименты, извлечение знаний из научной литературы и генерацию научных гипотез.

Долгосрочная цель — построить замкнутый цикл из:

1. Восприятия
2. Рассуждения
3. Генерации
4. Валидации
5. Обратной связи

Этот цикл предназначен для ускорения научных открытий и инженерных инноваций.

Воплощённый научный интеллект и автоматизированные лаборатории

Это направление изучает, как виртуальный интеллект может быть связан с реальными экспериментальными системами в AI4Science.

Команда сосредоточена на взаимодействии между научными агентами, роботизированными экспериментальными платформами, автоматизированными лабораториями и интеллектуальными системами принятия решений. Предполагаемый цикл включает:

1. Вычислительное проектирование
2. Автоматизированное выполнение
3. Экспериментальную валидацию
4. Оптимизацию на основе обратной связи

Цель состоит в том, чтобы помочь ИИ перейти от виртуальных рассуждений и молекулярного проектирования к реальному участию в экспериментах и более быстрому научному открытию.

AI4Science

Модели биомолекулярного мира

Это направление сосредоточено на AlloDesign и нацелено на создание единой базовой модели для биологических молекулярных систем.

Исследование изучает, как глубинные генеративные модели и мультимодальное обучение представлений могут понимать молекулярную структуру, функцию и взаимодействие. Оно не ограничивается одним типом молекул. Напротив, одна и та же модельная архитектура должна уметь работать с малыми молекулами, нуклеиновыми кислотами, пептидами, антителами, белками, белковыми комплексами и другими биомолекулярными системами.

Команда стремится создать непрерывные возможности моделирования — от молекулярного представления до функционального проектирования. За счёт включения предсказания структуры, функциональной оценки и экспериментальной обратной связи сгенерированные результаты могут со временем корректироваться и валидироваться.

Это может постепенно привести к появлению универсальных интеллектуальных методов проектирования для поиска лекарств, белковой инженерии, нуклеиновокислотной терапии и проектирования биоматериалов.

Модели клеточных путей и исследования старения

Это направление посвящено вычислительному моделированию молекулярных взаимодействий и сигнальных путей внутри клеток.

Ключевой вопрос заключается в том, как связать представления на молекулярном уровне о белках, малых молекулах и нуклеиновых кислотах с функциональными состояниями клетки. Команда хочет создать прогностические модели, описывающие, как молекулярные возмущения приводят к клеточным ответам.

В исследовании особое внимание уделяется путям, связанным со старением, и регуляторным механизмам при патологических состояниях. Также изучается, как ИИ может понимать влияние молекулярных вмешательств на судьбу клетки, передачу сигналов и функциональное ухудшение.

Ожидаемым результатом станет новый набор вычислительных методов для поиска мишеней, анализа механизма действия и точного вмешательства.

AR/VR-виртуальные учёные

Это направление изучает иммерсивные методы взаимодействия для научных открытий.

Команда исследует, как сложные молекулярные структуры, клеточные пути и процессы генерации моделей могут быть преобразованы в понятные и интерактивные трёхмерные исследовательские интерфейсы.

Основное внимание уделяется сотрудничеству между учёными-людьми и ИИ-агентами. В частности, команду интересует, как интерактивная визуализация и агентные системы могут поддерживать генерацию гипотез, проектирование экспериментов и

интерпретация результатов.

Это направление нацелено на создание новых парадигм взаимодействия для будущих виртуальных исследовательских сред и автономных систем научного открытия.

Набор талантливых исследователей

Команда набирает PhD-студентов с поступлением в 2027 году; доступно примерно от 4 до 6 мест. Набор на позиции постдоков открыт на постоянной основе.

Команда также приветствует исследовательских ассистентов, приглашённых студентов и других кандидатов, желающих заниматься Scientific AI, AI4Science, генеративным ИИ, биомолекулярным дизайном, научными агентами, воплощённым интеллектом и автоматизированными лабораториями.

Команда считает, что подлинный исследовательский интерес и увлечённость — это главные движущие силы выдающейся работы. Кандидатам с релевантным бэкграундом и сильной мотивацией рекомендуется подавать заявку. Команда рассмотрит исследовательские интересы, подготовку и способности каждого кандидата, а затем поможет сформировать персонализированное исследовательское направление.

Если вы заинтересованы в программе PhD

Команда ищет потенциальных исследователей, которые увлечены научной работой, предъявляют к себе высокие требования и обладают сильным академическим вкусом.

Ниже перечислены базовые ожидания от кандидатов в PhD.

1. Исследовательский опыт

Для студентов бакалавриата опубликованные статьи не требуются. Однако кандидаты должны иметь опыт участия в исследовательских проектах и уметь чётко объяснить свою роль и вклад в исследовательский процесс.

Для студентов магистратуры желательно наличие опубликованных статей или статей, поданных в ведущие конференции или журналы, такие как NeurIPS, ICML, CVPR или ICLR.

Работы, доступные только на arXiv, также приветствуются. Кандидатам рекомендуется чётко отметить одну-две свои лучшие работы, чтобы лаборатория могла внимательно оценить их качество и исследовательский вкус, стоящий за этими работами.

2. Дополнительные преимущества

Кандидаты будут особенно конкурентоспособны, если обладают одной или несколькими из следующих сильных сторон:

• Сильная подготовка в математике или физике, например профильное образование по математике или физике либо награды на признанных математических олимпиадах и конкурсах.
• Сильные навыки программирования, например образование в области компьютерных наук или программной инженерии, участие в соревнованиях по программированию или руководство значимыми общественными проектами.
• Качественный технический блог, который регулярно ведётся на протяжении длительного времени.
• Активная история технического вклада.
• Длительный опыт стажировок на технических позициях.

Если вы хотите присоединиться как стажёр или исследовательский ассистент

На позиции исследовательских ассистентов команда приветствует кандидатов с сильным интересом к исследованиям, особенно тех, кто:

1. Хочет заложить прочную исследовательскую базу перед подачей заявок в будущие программы PhD.
2. Хорошо соответствует исследовательским направлениям лаборатории и готов поддерживать команду в исследованиях, инженерной реализации и анализе данных.

Базовые требования

Как правило, кандидаты должны иметь:

• Степень бакалавра или выше.
• Желательно образование в области математики, физики, компьютерных наук или смежной дисциплины.
• Хорошие навыки программирования, например владение Python, C++ или аналогичными языками.
• Уверенные навыки инженерной реализации.
• Высокую обучаемость и способность быстро осваивать новые знания и инструменты.

Дополнительные преимущества

Квалификация

Следующий опыт особенно ценен:

• Участие в публикации научной статьи в качестве первого автора.
• Опыт разработки, оптимизации или поддержки крупномасштабных проектов, например проектов на GitHub.
• Знакомство с фреймворками глубокого обучения, такими как PyTorch или TensorFlow.
• Опыт участия в исследовательских соревнованиях, таких как Kaggle или ACM, с получением наград.

Команда также приветствует студентов бакалавриата и магистратуры в качестве приглашённых студентов. Приглашённые студенты могут участвовать в текущих передовых исследовательских проектах лаборатории.

Базовые требования к приглашённым студентам

Кандидаты на позицию приглашённого студента должны иметь:

• Сильную мотивацию к обучению и искренний интерес к академическим исследованиям.
• Опыт участия в полном исследовательском проекте, а также способность объяснить свой вклад и ход своих рассуждений.
• Хорошее владение английским языком, включая способность читать и писать академические исследовательские материалы.

Дополнительные преимущества для приглашённых студентов

Полезными дополнительными преимуществами являются:

• Поданные или опубликованные статьи в ведущих конференциях или журналах, не обязательно в качестве первого автора.
• Сильные навыки программирования.
• Open-source проекты или технические блоги.
• Награды в конкурсах по математическому моделированию или в других видах исследовательской деятельности.

Команда заявляет, что внимательно рассмотрит все материалы заявки и будет справедливо относиться к каждому кандидату.

Условия для исследований

Вычислительные ресурсы

Команда располагает мощными вычислительными ресурсами благодаря Китайскому университету Гонконга и Институту медицинского интеллекта и XR.

Кроме того, команда сотрудничает с такими компаниями, как Valhalla Technology, Alibaba, Tencent, DP Technology и BioMap, которые также предоставляют значительные вычислительные ресурсы корпоративного уровня.

Возможности для обмена и стажировок

Команда поддерживает долгосрочное сотрудничество с такими учреждениями, как MIT, Гарвард, Вашингтонский университет, UCLA, Национальный университет Сингапура и Кембриджский университет.

Аспирантам рекомендуется участвовать в исследовательских стажировках и программах зарубежного обмена, что может способствовать как академическому росту, так и международному сотрудничеству.

Академический обмен

Команда поощряет студентов выстраивать сотрудничество с учёными и ведущими исследовательскими учреждениями в данной области. Она также активно поддерживает участие студентов в международных академических конференциях, включая возмещение соответствующих расходов.

По темам исследований и актуальным направлениям, которые интересуют студентов, команда активно организует приглашённые доклады и способствует соответствующему онлайн-академическому обмену.

Академическое сотрудничество

Лаборатория поддерживает как онлайн-, так и офлайн-сотрудничество в области фундаментальных исследований ИИ и новых исследовательских тем в ИИ. Она приветствует сотрудников из университетов и компаний Китая и других стран, при условии, что обе стороны имеют совместимые исследовательские интересы.

Сотрудничество в области фундаментальных исследований ИИ

Лаборатория тесно сотрудничает с исследовательскими подразделениями компаний, занимающихся большими моделями и генеративным ИИ. Среди направлений исследований — предварительное обучение представлений, генеративные модели на основе диффузии, авторегрессионные и связанные с ними генеративные методы, а также другие передовые направления ИИ.

Сотрудничество по проектам AI4Science

Лаборатория поощряет применение инноваций в области ИИ к задачам наук о жизни в самых разных формах. Ее цель — изучить потенциал ИИ в решении сложных задач наук о жизни.

Команда сотрудничает с университетами и научно-исследовательскими институтами, такими как Университет Вестлейк, Чжэцзянский университет, Лаборатория Линьган и Шанхайская лаборатория ИИ, а также с ведущими компаниями в сфере AI4Science, такими как DP Technology и BioMap. Это сотрудничество охватывает несколько направлений наук о жизни, включая белки и малые молекулы.

Как подать заявку

Студенты и исследователи, заинтересованные в лаборатории, могут отправить письмо на адрес:

[email protected]

Тема письма должна соответствовать следующему формату:

School + Name + Application for PhD / Postdoc / Visiting Student / Research Assistant

К заявке следует приложить:

• Резюме или CV.
• Мотивационное письмо.
• Другие материалы, демонстрирующие способности, исследовательский опыт или технические сильные стороны кандидата.

FAQ

На какие позиции ведет набор команда CUHK AI4Science?

Команда набирает PhD-студентов с поступлением в 2027 году, постдоков, научных ассистентов и приглашенных студентов. Основные направления исследований включают Scientific AGI, AI4Science, генеративный ИИ, молекулярный дизайн, научных агентов, воплощенный интеллект и автоматизированные лаборатории.

Нужны ли опубликованные статьи кандидатам бакалаврского уровня?

Нет. От кандидатов бакалаврского уровня не требуется наличие опубликованных статей, однако у них должен быть опыт участия в исследовательских проектах. Они также должны уметь четко объяснить, что именно они делали, каков был их вклад и чему они научились в ходе проекта.

Какой академический бэкграунд подходит для этой команды?

Команда приветствует кандидатов из областей компьютерных наук, математики, физики, химии, фармацевтики, биомедицинской инженерии и смежных дисциплин. Поскольку исследования носят междисциплинарный характер, важны как сильные технические навыки, так и искренний интерес к научным задачам.

На каких исследовательских направлениях сосредоточена команда?

Ключевые направления включают глубокие генеративные модели, мультимодальное обучение представлениям, Scientific Agents, автоматизированные лаборатории, world models для биомолекулярных систем, моделирование клеточных путей, исследования старения и виртуальных ученых в AR/VR.

Какие навыки полезны кандидатам на позицию научного ассистента?

Важны сильные навыки программирования, особенно опыт работы с Python, C++, PyTorch или TensorFlow. Также полезны опыт крупномасштабной инженерной разработки, участие в исследовательских конкурсах, проекты на GitHub, технические блоги и опыт публикации научных статей.

Подходит ли команда кандидатам, готовящимся к будущему обучению в PhD?

Да. Роль научного ассистента особенно подходит кандидатам, которые хотят создать более прочную исследовательскую базу перед подачей заявок в PhD-программы. Команда также приветствует приглашенных студентов, желающих участвовать в передовых исследовательских проектах.

Как следует подавать материалы?

Кандидатам следует отправить письмо на адрес [email protected] с темой в формате School + Name + Application for PhD / Postdoc / Visiting Student / Research Assistant. Письмо должно содержать CV, мотивационное письмо и подтверждающие материалы, демонстрирующие исследовательские и технические способности.

Связанные инструменты

• [Google Scholar](https://scholar.

google.com/): Полезно для проверки публикаций, цитирований и академических исследовательских профилей.

• arXiv: Широко используемая платформа препринтов для исследований в области ИИ, машинного обучения и научных вычислений.
• GitHub: Полезен для публикации открытого исследовательского кода, инженерных проектов и технических разработок.
• PyTorch: Популярный фреймворк глубокого обучения, используемый в исследованиях ИИ и разработке моделей.
• TensorFlow: Платформа глубокого обучения для создания и развертывания моделей машинного обучения.
• Kaggle: Платформа для соревнований по data science, наборов данных, ноутбуков и практики прикладного машинного обучения.

Связанные ссылки

• Оригинальная статья BAAI Hub: Оригинальная китайская статья о наборе.
• Китайский университет Гонконга: Официальная главная страница CUHK.
• Факультет компьютерных наук и инженерии CUHK: Официальный сайт факультета CSE в CUHK.
• Страница преподавателей CUHK CSE: Официальный каталог преподавателей факультета компьютерных наук и инженерии.
• Исследовательский профиль профессора Pheng Ann Heng: Официальный исследовательский профиль проф. Pheng Ann Heng в CUHK.
• Институт медицинского интеллекта и XR: Официальный сайт Института медицинского интеллекта и XR при CUHK.
• Профиль Prof. Pheng Ann Heng в Google Scholar: Профиль публикаций и цитирований проф. Pheng Ann Heng.
• AI for Science in Quantum, Atomistic, and Continuum Systems: Обзорная статья по AI4Science для понимания более широкого исследовательского ландшафта.

Резюме

В этой статье объясняются план набора команды CUHK AI4Science, исследовательские направления, требования к подаче заявки и исследовательская среда. Она особенно полезна студентам, интересующимся Scientific AGI, AI4Science, молекулярным дизайном, научными агентами и автономными научными открытиями.

Кандидатам следует внимательно учитывать различия в ожиданиях для PhD, исследовательских ассистентов и приглашённых студентов. Существенными преимуществами будут сильный исследовательский опыт, навыки программирования, математическая или естественно-научная подготовка и чёткая мотивация.

Для кандидатов, интересующихся научными открытиями на основе ИИ, эта команда предлагает исследовательскую среду, сочетающую передовые методы ИИ, междисциплинарные научные задачи, мощные вычислительные ресурсы и международное сотрудничество.