【课题推荐发表期刊】

【课题背景】

人工智能技术在传统科学领域的应用正在不断拓展，图学习和多模态学习也发挥着重要作用。多模态学习通过整合不同模态和归纳偏置，有效处理异构化图数据集，利用跨模态依赖关系进行学习，为科学研究提供了新的视角和工具。

本课题将通过图学习与多模态学习的手段，研究分子动力学模拟、分子生成、分子性质预测等可进行图结构建模的任务。

【课题方向参考】

• 3D图扩散模型在多模态场景下的分子生成

• 2基于图机器学习的分子性质预测

• 物理知识嵌入的势函数模型

【适合人群】

计算机科学、计算生物、计算化学等专业背景的研究生，熟练使用pytorch，具备英文基础读写能力。

【课题收获】

• 高质量论文一篇（SCI/CCF定向期刊）

• SCI/CCF期刊投递与发表指导

• 结业证书

【导师介绍】

陈老师，QS排名前300高校在读博士

• 长期担任多个CCF-A类期刊和会议的编委或审稿人，包括AAAI, NeurIPS, ICLR, IJCAI, AISTATS, eTNNLS, TCSVT, TMLR, DMLR, Information Fusion等；

• 以第一作者发表多篇计算机领域一区/CCF A论文，例如AAAI, NeurIPS, IJCAI等；

• 曾指导多名学生发表一作论文，具备丰富的英文写作经验和论文指导经验；

• 掌握Matlab、BAN Logic、and Scyther Tool等软件工具。

【课题安排】

研究周期预估六个月左右，具体视学员情况调整。

【推荐阅读】

• 2025 Hydrogen jet and diffusion modeling by physics-informed graph neural network

• 2022 Equivariant Diffusion for Molecule Generation in 3D

• 2024 Equivariant 3D-conditional diffusion model for molecular linker design