师资队伍

首页  师资队伍  教职工概况  高子琪  中文信息
头像

高子琪

助理教授博士生导师

电话:

邮箱:

地址: 信息楼1607

  • 个人简历
  • 教学
  • 研究领域
  • 研究成果
  • 奖励荣誉
  • 概况

    高子琪,2025年于香港科技大学获数据科学与分析博士学位,现任清华大学深圳国际研究生院助理教授、博士生导师。他致力于研发面向生命科学与医疗的通用基础模型,核心是探索大模型技术在该领域的创新应用。其研究通过融合多模态大语言模型、强化学习与推理技术,构建下一代生物计算基座,以支持药物发现、疾病诊断与精准治疗等关键任务,推动人工智能在生物医学中的可靠落地。

     

    高子琪已在NeurIPS、ICML、ICLR、AAAI、Nature Communications等国际顶级会议和期刊发表多篇第一作者论文。曾获国家奖学金、日内瓦国际发明展金奖、清华大学优秀硕士学位论文等荣誉。

     

    课题组长期招收大语言模型、AI4Science、多模态等领域的硕士、博士和科研实习生。

    个人主页:https://ziqigao-tsinghua.github.io

    教育经历

    20222-202510月,香港科技大学,数据科学与分析专业,博士

    2018年9月-2021年6月,清华大学,精密仪器系,硕士

    2014年9月-2018年6月,华中科技大学,测控技术与仪器专业,学士

    工作经历

    2026年1月-至今,清华大学深圳国际研究生院,助理教授


    学术兼职

    AI for Science》杂志青年编委;

    社会兼职

  • 教学课程

    研究生指导

  • 研究领域

    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。

    主要项目

  • 代表性论文

    [1] Ziqi Gao, Yifan Niu, Jiashun Cheng, Jianheng Tang, Tingyang Xu, Peilin Zhao, Lanqing Li, Fugee Tsung, Jia Li. Handling Missing Data via Max-Entropy Regularized Graph Autoencoder. AAAI 2023.

    [2] Ziqi Gao, Chenran Jiang, Jiawen Zhang, Xiaosen Jiang, Lanqing Li, Peilin Zhao, Huanming Yang, Yong Huang, Jia Li. Hierarchical Graph Learning for Protein–Protein Interaction. Nature Communications, 14(1): 1093, 2023.

    [3] Ziqi Gao, Zijing Liu, Yu Li, Jia Li. Towards Stable Representations for Protein Interface Prediction. NeurIPS 2024.

    [4] Ziqi Gao, Qichao Wang, Aochuan Chen, Zijing Liu, Bingzhe Wu, Liang Chen, Jia Li. Parameter-Efficient Fine-Tuning with Discrete Fourier Transform. ICML 2024.

    [5] Ziqi Gao, Tao Feng, Jiaxuan You, Chenyi Zi, Yan Zhou, Chen Zhang, Jia Li. Deep Reinforcement Learning for Modelling Protein Complexes. ICLR 2024.

    [6] Ziqi Gao, Xiangguo Sun, Zijing Liu, Yu Li, Hong Cheng, Jia Li. Protein Multimer Structure Prediction via Prompt Learning. ICLR 2024.

    代表性著作

    主要专利成果

    高子琪; 相互作用界面的预测方法、装置、电子设备及存储介质, 2023-10-31, 中国, CN202310459064.7

    高子琪; 分子对接信息的预测模型训练方法、装置、设备及介质, 2023-10-27, 中国, CN202310361613.7

    高子琪; 分子生成方法、装置、设备和存储介质, 2023-10-27, 中国, CN202310336184.8

    其他成果

  • 荣誉奖项

    国家奖学金

    日内瓦发明展金奖

    清华大学优秀毕业论文

    香港科技大学交叉学部最佳研究奖

版权所有@清华大学深圳国际研究生院 京ICP备15006448号 京公网安备 110402430053 号