ODesign Team X 香港中文大学 王平安教授招生

ODesign Team 聚焦于科学通用人工智能（Scientific AGI），致力于构建面向 AI4Science 的通用计算基座模型。研究方向涵盖 All-to-All 分子设计世界模型、虚拟生物通路模型，以及 AR/VR 融合的虚拟科学家系统，探索人工智能在复杂科学体系中的统一建模、推理与设计能力。团队的长期目标是实现 “De novo design of everything”，即将 AI 从辅助分析工具升级为能够主动参与科学发现与世界构建的核心系统。ODesign Team 强调跨尺度建模与可组合系统设计，关注从分子、通路到更高层级科学结构的可控生成与决策。团队成员具备计算机、药学、物理、化学、机械等多学科交叉背景，整体年轻化，研究氛围开放，强调原创性与系统性建设，并具备充足的计算与科研资源支持。

今年团队在临港实验室的支持下，联手上海人工智能实验室，香港中文大学等研究机构打造全模态分子设计世界模型：ODesign | A World Model for Biomolecular Interaction Design (https://odesign1.github.io)。目前，ODesign 团队依托临港实验室、香港中文大学等多个研究中心，对模型体系进行系统性升级，协同推进下一代分子设计世界模型的构建。

王平安教授是香港中文大学计算机科学与工程学系的卓敏讲席教授，同时担任香港中文大学医学智能与扩展现实研究所所长。他也是粤港澳人机智能协同系统联合实验室的联合主任。

他于 1985 年在新加坡国立大学获得计算机科学学士学位，并于 1992 年在印第安纳大学获得计算机科学博士学位。1992 年，他加入新加坡国立大学的 NUS-JHU 信息增强医学中心担任副研究员。1995 年，他加入香港中文大学计算机科学与工程学系担任助理教授，并于 2002 年晋升为教授。2007 年，他获中国教育部长江学者讲座教授称号。他曾担任系主任及研究院研究生部主任。他自 1999 年起担任香港中文大学虚拟现实、可视化与影像研究中心主任，并自 2006 年起担任中国科学院深圳先进技术研究院认知与交互技术中心主任。

王平安教授研究方向包括医学图像分析、人工智能、手术仿真、可视化和扩展现实。他已发表超过 760 篇论文，Google Scholar 引用次数超过 71,000 次，h-index 达到 123。他被科睿唯安评为高被引科学家，并获得 [Research.com](http://research.com/) 颁发的中国计算机科学领军人物奖。

团队学术自由，支持对未来趋势的方向进行探索，重点研究生成模型、表征学习等AI基础研究，以及AI4Science相关应用，包括但不限于：

• 深度生成基础方法以及应用：在物理及相关科学原理的启发下探索ai基础方法，包括Discrete and Continuous Diffusion  等生成模型和相关的生成方法，以及3D point cloud, molecule generation, World Model等应用场景。

• 多模态表征学习：Tokenization、Modality Fusion等多模态统一的表征模型，并且着重研究表征与生成结合，探索自然而统一的前沿科学生成。

• 生物分子生成与表征：主要关注上述方法在生物分子生成，包括小分子、核酸、蛋白质等具有生物功能的分子生成，以及其后续的打分评估、结构优化等应用场景。

• 细胞通路模型：研究细胞内分子相互作用与信号通路的表示与建模问题，探索如何将蛋白、小分子等分子级表征与通路层级的功能状态相连接，构建可预测分子干预对细胞响应影响的计算模型，为机制理解与靶点发现提供支持。

• AR/VR 虚拟科学家：研究基于 AR/VR 的沉浸式科研交互框架，将分子结构、细胞通路及其生成与评估过程以可交互形式呈现，并引入 Agent 对设计步骤、假设验证与参数探索进行自动化调度与建议，探索人类科学家与 AI Agent 在复杂分子设计与机制分析任务中的协同工作模式。

实验室致力于营造专业、平等、轻松且富有创意的学术氛围，鼓励每位成员大胆探索与创新。在扁平式管理体系下，我们注重开放的交流与合作，导师、研究员和同学之间没有壁垒，大家可以自由地讨论想法、分享灵感，共同推进科研进展。在科研之余，实验室还会定期组织聚餐、团建活动等。我们希望每位成员都能在这里找到学术的乐趣、成长的动力，以及归属感与成就感，共同追求卓越的科研成果与美好的学术生活。

2026级入学博士生，还有2个名额，此外我们还长期欢迎博士后、科研助理、访问学生等加入我们的团队。

我们相信对研究的兴趣和热情是成就杰出工作的第一驱动力。欢迎有专业背景、有志向的同学申请我们实验室的相关岗位，我们将结合你的研究兴趣、背景、以及个人能力，针对每一位同学（无论是博士生还是访问学生），个性化制定研究方向。

我们期待你是一位有潜力的研究者，对科研充满热情，对自己高标准高要求，并且具备一定的学术品位。以下是我们对博士生的基本要求：

（1）科研经历：

• 本科生：无需已发表论文，但必须有科研项目经验，能够清晰展示自己在科研过程中的角色和贡献。

• 硕士生：最好有顶会顶刊（如 NeurIPS、ICML、CVPR、ICLR 等）论文的发表或投稿经历。

  
  

  仅有 arXiv 的文章同样欢迎申请，但建议将自己最满意的 1-2 篇工作标注出来。实验室会仔细评估你的工作质量和科研品味。

（2）加分项：

• 扎实的数理背景：如主修数学/物理专业，或在国内外权威数学竞赛中获奖。

• 出色的编程能力：如计算机、软件等相关专业，在本科以及硕士期间参与编程竞赛或主导对相关社区有一定影响力的项目、有长期更新且质量较高的技术博客、活跃的技术贡献记录等。

• 有长期技术岗位实习经历。

对于科研助理职位，我们欢迎对研究有浓厚兴趣的候选人，尤其是：

1. 想通过科研助理经历打下坚实基础，为未来申请博士项目做准备；

2. 对实验室研究方向高度匹配，并愿意在科研、工程实现、数据分析等方面全力协助团队。

• 拥有本科及以上学历，数理、计算机或相关背景优先。

• 良好的代码能力（熟悉 Python/C++ 等），以及扎实的工程实现能力。

• 有较强的学习能力，能够快速掌握新知识和工具。

• 以第一作者参与科研论文发表。

• 有大规模项目开发、优化和维护经验（如 GitHub 项目）。

• 熟悉深度学习框架（如 PyTorch、TensorFlow）。

• 曾参与科研竞赛（如 Kaggle、ACM等）并获奖。

我们同时也欢迎本科生、硕士生作为访问学生加入我们，参与到实验室正在开展的前沿科研项目中。

• 科研热情：有强烈的学习动力和对学术研究的兴趣。

• 项目经历：参与过完整的科研项目，能够展示自己在其中的贡献和思考。

• 学术能力：英语良好，能够阅读和撰写英文科研文档。

• 有顶会/顶刊论文投稿或发表经验（不限于第一作者）。

• 扎实的编程能力，有开源项目或技术博客， 数学建模竞赛或其他科研相关活动的获奖经历。

我们会认真审阅你的申请材料，公平对待每一位申请者。

充足的计算资源：团队依托香港中文大学与IMIXR（智能医疗与虚拟现实研究所 ，[Home](https://imixr.cse.cuhk.edu.hk/index.html)），拥有充沛的算力资源。此外，我们与阿里巴巴、腾讯、深势科技、百图生科等知名企业合作，还具备可观的企业计算资源。

交换&实习：团队长期与MIT、Harvard、UW、UCLA、NUS、Cambridge等高校合作，鼓励博士生进行研究型实习或出国交换，为学生个人发展提供交流与合作的机会。

学术交流：鼓励学生与领域内学者与顶尖研究机构建立合作，并且大力支持学生参加国际学术会议（提供报销）。对于大家感兴趣的研究话题和近期研究热点，我们会积极组织Invited Talk和推广相关线上学术交流会。

学术合作：我们支持实验室涉及的AI基础研究方向和近期AI热点研究的线上/线下合作。我们欢迎来自国内外高校和公司志同道合的合作者，在相同研究兴趣的支持下达成形式自由的科研合作。

• AI Fundamental Research合作：我们实验室与诸多大模型、Generative-AI等企业研究部门紧密合作，在表征预训练、扩散生成模型、子回归生成模型等领域探索AI前，将不可能化作可能。

• AI4Science项目合作：我们实验室鼓励将AI创新技术以各种形式应用到生命科学问题上，挖掘AI在解决复杂生命科学问题中的潜力。我们与国内外高校与研究院（西湖大学、浙江大学、临港国家实验室、上海AILAB等）和AI4S头部公司（深势科技、百图生科等）在蛋白质、小分子等多个生命科学领域达成合作。

• Odin Zhang, Xujun Zhang, Haitao Lin, Cheng Tan, Qinghan Wang, Yuanle Mo, Qiantai Feng, Gang Du, et. al, ODesign: A World Model for Biomolecular Interaction Design, arXiv preprint arXiv:2510.22304

• Odin Zhang, Jieyu Jin, Zhenxing Wu, Jintu Zhang, Po Yuan, Yuntao Yu, Haitao Lin et al. "ECloudGen: leveraging electron clouds as a latent variable to scale up structure-based molecular design." Nature Computational Science (2025): 1-12.

• Xujun Zhang, Odin Zhang, Chao Shen, Wanglin Qu, Shicheng Chen, Hanqun Cao, et al. "Efficient and accurate large library ligand docking with KarmaDock." Nature Computational Science 3, no. 9 (2023): 789-804.

• Odin Zhang, Jintu Zhang, Jieyu Jin, Xujun Zhang, RenLing Hu, Chao Shen, Hanqun Cao et al. "ResGen is a pocket-aware 3D molecular generation model based on parallel multiscale modelling." Nature Machine Intelligence 5, no. 9 (2023): 1020-1030.

• Odin Zhang, Tianyue Wang, Gaoqi Weng, Dejun Jiang, Ning Wang, Xiaorui Wang, Huifeng Zhao et al. "Learning on topological surface and geometric structure for 3D molecular generation." Nature computational science 3, no. 10 (2023): 849-859.

• Odin Zhang, Haitao Lin, Xujun Zhang, Xiaorui Wang, Zhenxing Wu, Qing Ye, Weibo Zhao et al. "Graph Neural Networks in Modern AI-Aided Drug Discovery." Chemical Reviews 125, no. 20 (2025): 10001-10103. (IF=55.8)

• Haitao Lin, Yufei Huang, Odin Zhang, et. al, Diffbp: Generative diffusion of 3d molecules for target protein binding, Chemical Science 16 (3), 1417-1431

• Haitao Lin, Peiyan Hu, Minsi Ren, et. al, On the Design of One-step Diffusion via Shortcutting Flow Paths, arXiv preprint arXiv:2512.11831

• Haitao Lin, Guojiang Zhao, Odin Zhang, et. al, CBGBench: Fill in the Blank of Protein-Molecule Complex Binding Graph, ICLR2024(spotlight)

• Haitao Lin, Yufei Huang, Odin Zhang, et. al, Functional-group-based diffusion for pocket-specific molecule generation and elaboration, Advances in Neural Information Processing Systems 36

• Haitao Lin, Odin Zhang, et. al, PPFLOW: Target-Aware Peptide Design with Torsional Flow Matching, Proceedings of the 41st International Conference on Machine Learning