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/zh/articles/cuhk-ai4science-team-recruitment-2027.md.
本文介绍了香港中文大学 AI4Science 团队的招聘计划、研究方向、申请要求和科研环境。对有志于从事科学 AGI、AI4Science、分子设计、科学智能体和自主科学发现的学生尤其有参考价值。 申请者应特别关注博士、研究助理和访问学生在要求上的差异。较强的科研经历、编程能力、...
香港中文大学 AI4Science 团队正在招募对科学 AGI、AI4Science、生成式 AI、分子设计、科学智能体、具身智能和自动化实验室感兴趣的学生与研究人员。
本文将原始招募信息整理为更清晰的英文版本，便于希望了解团队研究方向、可申请岗位、申请要求以及科研环境的申请者阅读。原有结构已尽量保留，但表述经过优化，更加流畅易读。
来源说明：原文发表于 BAAI Hub，并注明内容来源于微信公众号。正文包含一张与校园/团队相关的图片；横幅广告、网站装饰图片以及返回顶部的 UI 图标已被排除。
香港中文大学计算机科学与工程学系 Pheng Ann Heng 教授团队与 OTeam 共同聚焦于科学通用人工智能，即 Scientific AGI。
团队致力于构建面向 AI4Science 的通用计算基础模型，研究复杂科学系统中的统一建模、推理、生成与设计。研究主题包括全对全分子设计世界模型、虚拟生物通路模型、科学智能体，以及将 AR/VR 与智能科研工作流相结合的自动驾驶实验室系统。
更宏观的目标，是推动 AI 从被动的分析工具，演进为能够主动参与科学发现的核心智能系统。
团队强调一条系统化的研究路径：从基础模型和关键算法出发，走向真实科学问题。学生将在跨学科环境中培养建模、推理、设计以及实验闭环能力。
团队欢迎来自药学、物理、化学、生物医学工程、计算机科学及其他相关学科的学生加入。团队提供开放的科研氛围、强大的科学资源和充足的算力资源，拥有近千张计算卡。同时，团队与国际领先的 AI4Science 实验室保持长期合作，包括 MIT、哈佛、斯坦福以及 Baker Lab 的相关团队。
除基础研究外，团队还具备强大的产业转化资源，已获得近亿元人民币的产业支持。这为学生提供了一个兼具前沿探索、跨学科训练与实际科学应用的平台。
欢迎对 Scientific AGI 和前沿 AI4Science 研究感兴趣的申请者加入，共同探索下一代
人工智能驱动的科学发现。
Pheng Ann Heng 教授是香港中文大学计算机科学与工程学系 Choh-Ming Li 讲座教授。他同时担任香港中文大学医学智能与 XR 研究所所长，以及粤港澳人机智能协同系统联合实验室联席主任。
他于 1985 年获得新加坡国立大学计算机科学学士学位，于 1992 年获得印第安纳大学计算机科学博士学位。1992 年，他加入 NUS-JHU 信息增强医学中心担任研究助理。1995 年，他加入香港中文大学计算机科学与工程学系任助理教授，并于 2002 年晋升为教授。
2007 年，Heng 教授获得中国教育部授予的长江学者讲座教授称号。他还曾担任系主任和研究生部主任。
自 1999 年起，他一直担任香港中文大学虚拟现实、可视化与成像研究中心主任。自 2006 年起，他还担任中国科学院深圳先进技术研究院人机交互技术中心主任。
他的研究兴趣包括医学图像分析、人工智能、外科手术仿真、可视化和扩展现实。他已发表 760 余篇论文，Google Scholar 引用超过 80,000 次，h 指数为 132。他被科睿唯安评为高被引科学家，并被 Research.com 认定为中国计算机科学领域的领军人物。
团队支持学术自由，并鼓励学生探索可能塑造未来科学与人工智能趋势的研究方向。当前重点包括生成模型与表征学习的基础研究、科学智能体，以及 AI for Science 应用。
以下领域尤其相关，但不限于此。
团队研究受物理学及相关科学原理启发的基础人工智能方法。主题包括离散与连续扩散模型、其他生成建模方法，以及 3D 点云、分子生成和世界模型等应用。
这一方向适合希望在基础层面开展生成建模研究，同时将方法与科学问题相结合的学生。
团队研究统一的多模态表征模型，包括标记化、模态融合以及表征—生成一体化。
目标不仅是对齐不同的数据模态，也要让表征学习服务于科学生成。这包括构建更自然、更统一的方式来生成并推理科学结构。
这一方向聚焦于面向科学任务的 AI 智能体、LLM 智能体和多智能体系统。团队探索具备规划、推理、工具使用、实验设计和自主优化能力的智能体。
应用
包括分子设计、蛋白质工程、自动化实验、基于文献的知识挖掘，以及科学假设生成。
长期目标是构建一个闭环：
这一闭环旨在加速科学发现和工程创新。
这一方向研究虚拟智能如何在 AI4Science 中与真实实验系统连接。
团队聚焦于 Scientific Agents、机器人实验平台、自动化实验室和智能决策系统之间的协作。预期构建的闭环是：
其目标是帮助 AI 从虚拟推理和分子设计走向真实实验参与，并加速科学发现。
这一方向以 AlloDesign 为核心，旨在为生物分子系统构建统一的基础模型。
该研究探讨深度生成模型和多模态表征学习如何理解分子结构、功能和相互作用。它并不局限于某一种分子类型。相反，同一套模型框架应能够处理小分子、核酸、多肽、抗体、蛋白质、蛋白质复合物以及其他生物分子系统。
团队旨在构建从分子表征到功能设计的连续建模能力。通过引入结构预测、功能评估和实验反馈，生成结果可以随着时间推移不断被纠正和验证。
这可能逐步推动形成适用于药物发现、蛋白质工程、核酸疗法和生物材料设计的通用智能设计方法。
这一方向研究细胞内部分子相互作用和信号通路的计算建模。
关键问题是如何将蛋白质、小分子和核酸在分子层面的表征与细胞功能状态连接起来。团队希望构建预测模型，用于描述分子扰动如何引发细胞响应。
该研究特别关注与衰老相关的通路以及疾病状态下的调控机制。同时也探索 AI 如何理解分子干预对细胞命运、信号转导和功能衰退的影响。
预期成果是一套新的计算方法，用于靶点发现、作用机制分析和精准干预。
这一方向研究用于科学发现的沉浸式交互方法。
团队探索如何将复杂的分子结构、细胞通路以及模型生成过程转化为可理解、可交互的 3D 研究界面。
重点在于人类科学家与 AI Agents 之间的协作。尤其是，团队关注交互式可视化和智能体系统如何支持假设生成、实验设计，以及
结果解读。
这一方向旨在为未来的虚拟科研环境和自主科学发现系统提供新的交互范式。
团队正在招收 2027 年入学的博士生，预计有 4 至 6 个名额。博士后岗位全年滚动开放。
团队也欢迎研究助理、访问学生以及其他希望探索 Scientific AI、AI4Science、生成式 AI、生物分子设计、科学智能体、具身智能和自动化实验室的申请者。
团队认为，真正的科研兴趣与热情是产出优秀工作的首要驱动力。欢迎具有相关背景且志向强烈的申请者报名。团队会综合考虑每位申请者的研究兴趣、背景和能力，并进一步帮助设计个性化的研究方向。
团队正在寻找对科学研究充满热情、对自己要求严格且具有很强学术品味的潜在研究者。
以下是对博士申请者的基本期望。
对于本科生，不要求已发表论文。但申请者应具备科研项目经验，并能够清晰说明自己在研究过程中的角色和贡献。
对于硕士生，最好已在顶级会议或期刊上发表或投稿论文，例如 NeurIPS、ICML、CVPR 或 ICLR。
输入一句想法，We0 AI 即可生成展示站、页面与 CMS。发布上线后并帮你获取客户和流量。
用户注册赠送一次完整项目生成
适合先体验一次完整生成流程，快速看到项目初稿。
仅发布在 arXiv 上的论文也同样欢迎。建议申请者明确标注自己最好的 1 到 2 项工作，以便实验室仔细评估作品背后的质量和研究品味。
如果申请者具备以下一项或多项优势，将更具竞争力：
对于研究助理岗位，团队欢迎对科研有浓厚兴趣的候选人，尤其是以下这类申请者：
申请者通常应具备：
任职资格
以下经验尤其有价值：
团队也欢迎本科生和硕士生以访问学生身份加入。访问学生可以参与实验室正在进行的前沿科研项目。
访问学生基本要求
访问学生申请者应具备：
访问学生加分项
有帮助的额外优势包括：
团队表示，将认真审核所有申请材料，并公平对待每一位申请者。
科研条件
计算资源
团队依托香港中文大学和医疗智能与 XR 研究所，拥有强大的计算资源。
此外，团队与 Valhalla Technology、阿里巴巴、腾讯、深势科技和 BioMap 等企业合作，这些合作方也提供了可观的企业级计算资源。
交流与实习机会
团队与 MIT、哈佛大学、华盛顿大学、UCLA、新加坡国立大学和剑桥大学等机构保持长期合作。
鼓励博士生参与科研实习和海外交流机会，以支持学术成长和国际合作。
学术交流
团队鼓励学生与本领域学者及顶尖研究机构建立合作，也大力支持学生参加国际学术会议，并提供报销支持。
对于学生感兴趣的研究课题和近期热点方向，团队会积极组织邀请报告，并推动相关线上学术交流。
学术合作
实验室支持围绕 AI 基础研究和新兴 AI 研究方向开展线上与线下合作。欢迎海内外高校和企业的合作伙伴加入，前提是双方具有契合的研究兴趣。
AI 基础研究合作
实验室与大模型和生成式 AI 公司的研究部门保持密切合作。探索方向包括表征预训练、基于扩散的生成模型、自回归及相关生成方法，以及其他前沿 AI 方向。
AI4Science 项目合作
实验室鼓励以多种形式将 AI 创新应用于生命科学问题，旨在探索 AI 在解决复杂生命科学挑战中的潜力。
团队与西湖大学、浙江大学、临港实验室、上海人工智能实验室等高校和科研机构，以及滴普科技（DP Technology）、BioMap 等领先的 AI4Science 企业开展合作。这些合作覆盖生命科学的多个领域，包括蛋白质和小分子。
对实验室感兴趣的学生和研究人员可发送邮件至：
邮件主题请遵循以下格式：
学校 + 姓名 + 申请博士 / 博后 / 访问学生 / 研究助理
申请材料应包括：
团队正在招收 2027 年入学的博士生、博士后研究人员、研究助理和访问学生。研究方向包括 Scientific AGI、AI4Science、生成式 AI、分子设计、科学智能体、具身智能和自动化实验室。
不需要。本科申请者无需已发表论文，但应具备科研项目经历。同时，应能够清晰说明自己在项目中做了什么、贡献了什么，以及从项目中学到了什么。
团队欢迎计算机科学、数学、物理、化学、药学、生物医学工程及相关领域的申请者。由于研究具有交叉学科性质，扎实的技术能力和对科学问题的真正兴趣都很重要。
核心方向包括深度生成模型、多模态表示学习、Scientific Agents、自动化实验室、生物分子世界模型、细胞通路建模、衰老研究，以及 AR/VR 虚拟科学家。
较强的编程能力非常重要，尤其是具备 Python、C++、PyTorch 或 TensorFlow 经验者。此外，大规模工程经验、科研竞赛经历、GitHub 项目、技术博客以及论文发表经历也会有所帮助。
是的。研究助理岗位尤其适合希望在申请博士项目之前夯实科研基础的候选人。团队也欢迎希望参与前沿科研项目的访问学生。
申请者应发送邮件至 [email protected]，邮件主题格式为 学校 + 姓名 + 申请博士 / 博后 / 访问学生 / 研究助理。邮件应包含简历、个人陈述，以及能够展示科研能力和技术能力的补充材料。
[Google Scholar](https://scholar.
Google 学术: 适合用于查询论文发表情况、引用情况以及学术研究者主页。
arXiv: 一个广泛使用的预印本平台，主要用于人工智能、机器学习和科学计算研究。
GitHub: 适合用于分享开源研究代码、工程项目和技术贡献。
PyTorch: 一种流行的深度学习框架，广泛用于人工智能研究和模型开发。
TensorFlow: 一个用于构建和部署机器学习模型的深度学习平台。
Kaggle: 一个提供数据科学竞赛、数据集、笔记本和机器学习实战练习的平台。
本文介绍了香港中文大学 AI4Science 团队的招聘计划、研究方向、申请要求以及科研环境。对于对 Scientific AGI、AI4Science、分子设计、科学智能体和自主科学发现感兴趣的学生而言，这篇文章尤其有参考价值。
申请者应特别注意博士生、研究助理和访问学生在要求上的差异。较强的科研经历、编程能力、数学或科学背景，以及清晰的申请动机，都会带来帮助。
对于有志于从事 AI 驱动科学发现的申请者来说，这个团队提供了一个结合前沿 AI 方法、跨学科科学问题、强大算力资源和国际合作机会的科研环境。
从一句话开始，几分钟内拿到完整网站。
