个人简介
吴泰霖博士2012年于北京大学物理学院获得学士学位，2019年获得美国麻省理工学院理学博士学位，2020年-2023年4月在美国斯坦福大学计算机系从事博士后研究。吴泰霖博士于2023年6月正式加入西湖大学工学院，任特聘研究员、助理教授、博士生导师，创建西湖大学人工智能与科学仿真发现实验室。
学术成果
吴泰霖博士研究方向为AI与Science学科交叉的核心、普适问题，包括（1）机器学习方法用于大规模科学仿真和科学设计（流体、机械、材料科学、生命科学）,（2）机器学习方法用于科学发现（物理、生命科学）,（3）基于图神经网络和信息论的表示学习。尤为突出的是，在博士和博士后期间，吴泰霖博士在科学仿真方面提出了以深度学习代理模型为核心的一系列算法，在流体力学、等离子体物理等领域成数量级地加快了仿真速度，解决其多尺度、多分辨率、大规模的核心挑战。为了促进科学发现，首次提出了以AI Physicist为核心的系列算法，能够模仿科学家发现简单、普适的物理定律和系统内部结构。在表示学习方面，吴泰霖提出的图信息瓶颈大幅提高了图表示学习的鲁棒性。
吴泰霖
的工作正被用于流体、材料等的大规模仿真，以及物理、天文等领域的科学发现中。其工作
发表在
NeurIPS
、
ICLR
、
UAI
等机器学习顶级会议以及物理学顶级期刊上，并被
MIT Technology Review
等报道。吴泰霖博士也是美国国家科学院院刊（
PNAS
）、
Nature Communications
、
Nature Machine Intelligence
、
Science Advances
等国际期刊，以及NeurIPS、ICML、ICLR等机器学习顶级会议的审稿人。
代表论文（*代表共同一作）
1.
Tailin Wu
, Max Tegmark. “Toward an Artificial Intelligence Physicist for Unsupervised Learning.”
Physical Review E
, 2019, 100(3).
★
Spotlight for PRE Machine Learning for Physics. Featured in MIT Technology Review.
2.
Tailin Wu
*, Takashi Maruyama*, Long Wei*, Tao Zhang*, Yilun Du*, Gianluca Iaccarino, Jure Leskovec.
“
Compositional Generative Inverse Design
”
,
ICLR 2024
.
★
Spotlight
.
3.
Tailin Wu
*, Takashi Maruyama*, Qingqing Zhao*, Gordon Wetzstein, Jure Leskovec. “Learning Controllable Adaptive Simulation for Multi-scale Physics.”
ICLR 2023
.
★
Notable Top-25%.
4.
Tailin Wu
, Takashi Maruyama, Jure Leskovec. “Learning to Accelerate Partial Differential Equations via Latent Global Evolution.”
NeurIPS 2022
.
5.
Tailin Wu
*
, Hongyu Ren*, Pan Li, Jure Leskovec. “Graph Information Bottleneck.”
NeurIPS 2020
.
6.
Tailin Wu
, Megan Tjandrasuwita, Zhengxuan Wu, Xuelin Yang, Kevin Liu, Rok Sosic, Jure Leskovec. “ZeroC: A Neuro-Symbolic Model for Zero-shot Concept Recognition and Acquisition at Inference Time.”
NeurIPS
2022
.
7.
Tailin Wu
, Ian Fischer. “Phase Transitions for the Information Bottleneck in Representation Learning.”
ICLR
2020
.
8.
Tailin Wu
, Qinchen Wang, Yinan Zhang, Rex Ying, Kaidi Cao, Rok Sosic, Ridwan Jalali, Hassan Hamam, Marko Maucec, Jure Leskovec. “Learning Large-scale Subsurface Simulations with a Hybrid Graph Network Simulator.”
SIGKDD 2022
.
9.
Tailin Wu
, Michael Sun, H.G. Jason Chou, Pranay Reddy Samala, Sithipont Cholsaipant, Sophia Kivelson, Jacqueline Yau, Zhitao Ying, E. Paulo Alves, Jure Leskovec, Frederico Fiuza. “Learning Efficient Hybrid Particle-continuum Representations of Non-equilibrium N-body Systems.”,
NeurIPS
2022 AI for Science: Progress and Promises
Workshop
.
10.
Tailin Wu
, Thomas Breuel, Michael Skuhersky, Jan Kautz. “Nonlinear Causal Discovery with Minimum Predictive Information Regularization.”
ICML
2019 Time Series
Workshop
.
★
Best Poster Award.
11.
Tailin Wu
, Ian Fischer, Isaac L.Chuang, Max Tegmark. “Learnability for the Information Bottleneck”,
Entropy
, 2019, 21(10): 924.
12. Guangwei Si,
Tailin Wu
, Qi Ouyang, Yuhai Tu. “Pathway-based Mean-field model for Escherichia coli Chemotaxis.”
Physical Review Letters
, 2012.07, 109(4): 048101-048105.
13. Curtis G. Northcutt*,
Tailin Wu
*, Isaac L. Chuang. “Learning with Confident Examples. “Rank Pruning for Robust Classification with Noisy Labels.”
UAI 2017
.
14. Silviu-Marian Udrescu, Andrew Tan, Jiahai Feng, Orisvaldo Neto,
Tailin Wu
, Max Tegmark. “AI Feynman 2.0: Pareto-optimal Symbolic Regression Exploiting Graph Modularity.”
NeurIPS 2020 Oral
.
联系方式
电子邮箱：[email protected]
课题组长期开展AI + Science学科交叉的核心、普适问题。主要研究方向包括：（1）开发机器学习算法（基于图神经网络、扩散模型）用于大规模、多尺度科学仿真（用于流体、材料、等离子体）和科学设计（蛋白质设计、材料设计、机械设计）；（2）开发机器学习算法（基于神经符号学和基础模型）发现科学系统普适规律和内部结构（用于生命科学和物理）；（3）开发高泛化性、高鲁棒性的表示学习算法。具体请见
https://tailin.org/
。
现课题组诚聘具有机器学习或者理学背景，并对上述方向有强烈兴趣的学生，作为博士后，博士研究生（
招生申请信息
），科研助理，实习生（最少3个月），具体见
招生启事
。
简历请投至：[email protected]. 期待你的加入！
吴泰霖和他的学生们
