I. 研究方向

1.人工智能赋能的量子化学方法

2.生成模型及在科学问题中的应用

3.几何深度学习及在计算生物学中的应用

II. 教育经历

2019.09-2024.07 西安交通大学人工智能学院 工学博士 学位论文：面向分子体系建模的深度学习方法

2015.09-2019.07 西安交通大学自动化系 工学学士

III. 工作经历

2025.11-至今 中关村人工智能研究院 研究员

2024.07-2025.10 智源人工智能研究院健康计算中心 研究员

2022.07-2024.06 微软研究院科学智能中心 实习生

2020.03-2022.06 微软研究院机器学习组 实习生

IV. 承担科研项目

• 人工智能突破量子化学精度与效率权衡的研究（2026-2028，北京中关村学院，项目负责人）：使用人工智能方法重塑各种量子化学框架，如无轨道密度泛函理论、量子蒙特卡罗算法等，以期突破各种电子结构方法在精度与效率间的权衡。
• 统一多模态与多需求的生成模型（2026-2028，北京中关村学院，项目成员）：针对自然语言、图像、视频和科学问题中高维物理量等场景的生成问题，开发更加适合多模态和复杂生成需求的新型生成模型技术。
• 人工智能赋能的量子化学方法（2021-2024，微软研究院科学智能中心，项目成员）：利用人工智能方法提升传统量子化学方法的计算效率与求解精度，并通过直接引入量子物理定律来训练模型，提高了在量子化学任务中的泛化能力。

V. 代表性学术论文

（“†”：同等贡献，“*”：通讯作者）

• He Zhang†, Siyuan Liu†, Jiacheng You, Chang Liu*, Shuxin Zheng*, Ziheng Lu, Tong Wang, Nanning Zheng, Bin Shao*. Overcoming the Barrier of Orbital-Free Density Functional Theory for Molecular Systems Using Deep Learning. In Nature Computational Science, 2024.
• He Zhang, Chang Liu*, Zun Wang, Xinran Wei, Siyuan Liu, Nanning Zheng*, Bin Shao, Tie-Yan Liu. In International Conference on Machine Learning, 2024.
• He Zhang†, Fusong Ju†, Jianwei Zhu, Liang He, Bin Shao*, Nanning Zheng*, Tie-Yan Liu. Coevolution transformer for protein contact prediction. In Advances in Neural Information Processing Systems, 2021.
• Weitao Du*†, He Zhang†, Yuanqi Du, Qi Meng*, Wei Chen, Nanning Zheng, Bin Shao, Tie-Yan Liu. SE(3) equivariant graph neural networks with complete local frames. In International Conference on Machine Learning, 2022.
• Weitao Du†, He Zhang†, Tao Yang†, Yuanqi Du†. A flexible diffusion model. In International Conference on Machine Learning, 2023.

VI. 主要成就与荣誉

西安交通大学优秀博士毕业生，2024

VII. 学术兼职

学术会议审稿人：NeurIPS (2022-2025), ICML (2022-2026), ICLR (2023-2025), AAAI (2025), IJCAI (2024), ITSC (2023)