智猩猩AI整理
编辑：六六
今年8月份，圣母大学（Notre Dame）博士刘罡在社交平台宣布已正式加入香港城市大学（CityU），担任数据科学系助理教授。
从他的个人主页得知，他还同时受聘于香港人工智能科学研究院。目前，他正在组建自己的实验室DSAIL（Data × Science × AI Lab）。
刘罡本科在西南大学学软件工程，2021 年毕业之后去了美国圣母大学读博。读博期间他与 Tengfei Luo 教授在"用神经网络做聚合物基础模型"这个方向上长期合作，这也是他后来整个研究故事里很关键的一条线。
"真实的科学发现，不只是 benchmark 跑分。"他的研究内容聚集在三个方向，但每一方向都不是"刷个分"就完事的程度。
一是生成式 AI 和基础模型。他想把多模态大模型、扩散模型这些用在分子设计上，不是 demo，是真的能让化学家用起来的工具。其中Graph DiT 研究工作发表在 NeurIPS 2024 上，还被选为 Oral。这是第一个把 DiT 搬到图结构数据上的生成式模型，可以根据多条物化条件同时生成满足要求的分子——这其实在药物和材料发现里是非常难的事。
二是 AI for Science，具体落点是分子、材料、聚合物。其中发表在Cell Reports Physical Science 2024上的研究成果，做的是新型聚合物气体分离膜的发现。它不是单纯 AI 提个候选分子就完事，而是真的用实验造出来、验证了"无热气体分离"的效果，并因此申请了专利。Notre Dame News 还专门写过一篇报道。
三是数据中心学习，也就是怎么用更少、更好、更可解释的数据去训练模型，而不是纯堆数据。这一块像是前两条线的底座：数据质量上不去，再大的模型也白搭。
论文成果之外，在 2025 年他还参与出版两本专著（ACS、Springer出版），基本把“深度学习 × 聚合物发现”这个交叉领域从入门方法到前沿进展基本讲透了。
与此同时，他也注重开源社区建设，自己开发了开源分子机器学习工具torch-molecule（300+ Stars），一个 sklearn 风格接口的分子发现深度学习包，覆盖属性预测、生成、表示学习等全流程。
刘罡还曾拿到 Kaggle 15 万美金的研究资助，这笔钱投到了他联合主办的 NeurIPS 2025 Open Polymer Challenge 上。这场竞赛吸引了 100 多个国家、1 万多名参赛者、提交次数超过 5 万次，是聚合物 + AI 方向规模最大的公开赛事之一。
另外，他也曾获得IBM 博士生奖学金（全球一年仅 24 人）、OpenAI 研究者 API 资助计划（1 万美元算力）、NeurIPS 学者奖等。
回顾他的研究经历，AI for Science 的突破不只是依靠更大的模型，更需要算法、数据、工具和科学问题之间形成有效连接。
刘罡正带着这套理念组建 DSAIL 实验室，他在分子发现与聚合物设计方向上的下一阶段动作，值得持续关注。
关注+星标，获取AI前沿进展与开源一线动态
热门跟贴