机器之心发布
机器之心编辑部
在全球人工智能浪潮奔涌向前的当下，创新的核心驱动力正越来越多地来自年轻一代。他们敢于挑战前沿、不惧失败，正以跨界融合之姿重新定义科学发现的范式。
作为长期关注科学智能（AI for Science，AI4S）发展的深度科技媒体和专业服务平台，时值上海科学智能研究院（下称 “上智院”）成立两周年之际，机器之心联动其前沿技术分享会 SAIS Talk，以 “上智院星辰之夜” 汇聚研究院内一批极具潜力的青年科研人员，分享他们在科学智能领域的新锐探索与实践活力。活动命名源于上智院主导的世界科学智能大赛中备受瞩目的青年聚会传统，寓意着年轻智慧如星辰般汇聚闪耀，照亮科学智能的无限未来。
上智院成立于 2023 年 9 月，是全球首个专注科学智能领域的研究院。作为聚焦科学智能基础研究、前沿技术与场景落地的战略性新型研发机构，上智院以 “用人工智能驱动科学研究范式变革、赋能千行百业” 为使命，已牵头研发伏羲气象大模型、燧人物质大模型、女娲生命大模型、星河启智科学智能开放平台等一系列关键成果。
SAIS Talk 是上智院主办的前沿技术分享会，迄今已成功举行 15 期，讲者背景多元，既有曾深度参与诺贝尔奖评选的顶尖学者，也有活跃在科研一线的在读博士，以此激发灵感、共建生态。
9 月 26 日晚，五位来自共性技术、物质科学、生命科学、地球科学等方向的青年研究员将接连登场，分享核心工作和创新思辨，内容涵盖表征学习、催化反应预测、生物分子动态模拟、单细胞图谱、全球天气预测等多个领域。
当 AI 与科学深度融合，当年轻力量碰撞前沿课题，我们或将在不远的未来见证 “AI 爱因斯坦” 的诞生。诚邀您与最具活力的 AI 力量同行，迎接科学发现的黄金时代的来临。
（赴上海徐汇西岸的上智院参与活动请发送姓名、机构、手机号至 sais@sais.org.cn，报名截止 9 月 25 日 18:00，报名确认会以邮件在 21:00 之前回复）
活动议程
每个分享环节含 5-10 分钟交流
主持人：黄韵诗，上智院生命科学方向研究员
层级生成模型与表征学习
姜若曦
19:05-19:35
主题简介：数据的表征决定了机器理解世界的深度，表征学习的创新应用正赋能动态系统模拟和静态图像生成领域。在动态系统（如神经模拟器）中，本研究提出了一种层级化时空表征与跨尺度隐式自回归建模框架，显著提升了长期预测的精度与稳定性，并在气候建模、流体力学及分子动力学等复杂系统中展现出重要的应用潜力。而在静态系统（如图像生成）中，本研究融合扩散模型与层级表征，不仅显著提高复杂场景的图像生成质量，更实现了零成本的语义重采样控制，为科学仿真与复杂场景建模提供了新的研究方向。
嘉宾简介：姜若曦，上智院研究员，复旦大学人工智能创新与产业研究院助理教授。2025 年于芝加哥大学获得计算机科学博士学位，师从校数据科学研究所主任、统计与计算机科学系教授 Rebecca Willett。 研究聚焦于科学智能与计算机视觉的前沿交叉领域，致力于推进生成模型与表征学习的理论突破及应用。博士期间共完成 9 篇代表作，其中 8 篇为主导，6 篇在 NeurIPS、CVPR、ICML 等顶会发表，1 篇推动了一家创业公司的成立。未来，她计划进一步推进生成模型与表征学习的统一框架，融合物理先验提升神经模拟器的多物体仿真能力，并探索跨模态统一基座模型在科学智能中的应用。
RXNGraphormer：一种统一的催化反应预训练框架
徐丽成
19:35-20:05
主题简介：近年来，机器学习和深度学习等数据驱动方法在反应性能预测与合成规划方面展现出巨大潜力。然而，数值回归驱动的反应性能预测与基于序列生成的合成规划之间的固有方法差异，为构建统一的深度学习架构带来显著挑战。本报告将介绍一种统一的预训练反应预测框架 ——RXNGraphormer。该框架有效弥合了上述差异，能够统一处理两类关键任务，不仅实现了对化学反应活性、选择性和单步正向 / 逆向合成的精准预测，还使模型能够自发学习化学键的变化规律，在多项预测任务中均达到领先水平。
嘉宾简介：徐丽成，上智院物质科学方向研究员，主要从事催化反应模型开发工作。2024 年于浙江大学化学系获得博士学位。博士期间专注于数据驱动的反应构效关系研究，曾获国家奖学金（博士）及优秀博士学位论文等荣誉。研究成果以独立第一作者身份发表于 Nature Machine Intelligence、Nature Synthesis、Angewandte Chemie International Edition 等期刊，并以共同作者身份参与发表论文于 Journal of the American Chemical Society、Nature Communications 等期刊。
基于 4D 扩散模型的生物分子动力学与端到端构象生成框架
杨自雄
20:05-20:35
主题简介：蛋白质的许多关键功能源于其随时间演化的构象变化。因此，无论是深入理解蛋白质功能机制，还是在药物发现中进行抑制剂设计，精准生成蛋白质构象都至关重要。本报告将介绍团队近期提出的基于 4D 扩散模型的生成框架。该方法能够实现蛋白质动力学轨迹生成或长时间尺度的构象生成，为阐释蛋白质功能与加速药物设计提供了全新的计算范式。
嘉宾简介：杨自雄，上智院生命科学方向主任研究员，主要从事生物大模型开发工作。2018 年于美国威斯康星大学麦迪逊分校获化学博士学位，研究方向为过渡金属催化反应的计算化学。2019-2021 年在麻省理工学院完成博士后研究，开展过渡金属复合物的机器学习模型研究和利用 VAE 进行有机光电材料设计。2022-2025 年任台湾清华大学化学系助理教授，并获台湾教育部玉山青年学者等荣誉。研究成果以第一作者身份发表于 Journal of the American Chemical Society、Journal of Physical Chemistry A、Journal of the Chemical Theory and Computing 等期刊，并以共同作者身份参与发表论文于 Chemical Science、ACS Catalysis 等。
SCRIPT：基于预训练图注意力网络的单细胞顺式调控关系识别器
张雨
20:35-21:05
主题简介：在单细胞尺度下解析远距离的基因调控关系，对于理解细胞中的转录调控机制，进而阐明疾病相关的非编码变异的致病机制有重要意义。本报告将介绍单细胞基因调控关系预测框架 SCRIPT，该方法在长程调控预测上取得了突破性进展，性能较当前最优方法提升逾两倍。利用其优异的预测性能，SCRIPT 在阿尔兹海默症和精神分裂症中发现了当前最优计算工具未发现的分子遗传学机制，有望在复杂疾病的遗传诊断和药物靶点发现上发挥重要作用。
嘉宾简介：张雨，上智院生命科学方向研究员，主要关注生命科学多组学领域的算法研究，及其在精准医疗、疾病机制解释和药物靶点发现等生物医学领域的应用。2023 年于复旦大学获得生物统计学博士学位，在校期间曾获得博士生国家奖学金、优秀毕业生等荣誉。研究成果以第一作者身份发表于 Nature Computational Science、Advanced Science、Nucleic Acids Research、Clinical and Translational Medicine 等期刊。
FuXi-Weather：基于机器学习的全球天气预报系统
徐孝泽
21:05-21:35
主题简介：传统的数值天气预报系统通常由资料同化模块和基于物理的预报模式构成。近年来，基于机器学习的天气预报模型已在预报性能上展现出与传统模式相当的能力，但其运行仍依赖于传统资料同化系统生成的初始场。作为完全基于机器学习的全球天气预报系统，FuXi-Weather 具备对多源卫星观测资料进行同化的能力，实现了循环资料同化与一体化预报。在使用观测资料远少于传统数值预报系统的条件下，FuXi-Weather 能够生成未来 10 天的高精度天气预报，并在观测稀疏区域的预报表现上优于欧洲中期天气预报中心（ECMWF）运行的 HRES 系统。
嘉宾简介：徐孝泽，上智院地球科学方向研究员，主要关注人工智能在数值天气预报与资料同化中的应用。2025 年获南京信息工程大学大气物理学与大气环境专业博士学位。研发了首个可直接同化真实卫星观测的人工智能同化框架 FuXi-DA，参与研发了全数据驱动的天气预报系统 Fuxi-Weather，在 Nature Communications、npj Climate and Atmospheric Science 等 SCI 期刊发表论文 8 篇。
欢迎关注机器之心视频号，预约观看！
