高子琪的研究聚焦于AI for Science领域，重点关注多模态大模型技术在生命科学领域（尤其是蛋白质方面）的应用。主要研究方向包括：

（1）通用科学智能：致力于开发以蛋白质为核心对象的下一代基础模型。通过强化学习、生物思维链推理、和多模态大模型等技术，构建具备跨模态理解、跨任务泛化与跨领域迁移能力的统一框架。

（2）科学启发的人工智能：探索如何将基础科学（如物理学、生物学）中的基本原理、结构化知识与研究方法，转化为对人工智能模型架构、训练范式与推理机制的启发与约束，从而增强主流AI模型的能力。

（3）垂域智能体：面向药物发现、蛋白质设计等垂域科学任务，通过融合强化学习、思维链推理及蒸馏等技术，实现药物发现的全流程自动化与闭环优化。