陈曦：复旦大学人工智能创新产业研究院专家解析

2026-06-18阅读 0热度 0

人工智能

先给出几项核心判断：这是一份结构严谨、功底扎实的学术履历。教育背景横跨中国大陆、加拿大与英国三大体系，博士阶段直接进入剑桥大学信息工程领域。早期的工科训练奠定了后续研究的技术基底——从通信工程到电气与计算机工程，再到信息工程的博士研究，学科跨度始终由一条主线串联：用系统化的工程思维处理复杂信息与信号问题。

教育经历

2011年–2015年，英国剑桥大学，信息工程，获博士学位
2009年–2011年，加拿大麦吉尔大学，电气与计算机工程，获硕士学位
2005年–2009年，北京邮电大学，通信工程，获学士学位

工作经历

从学术职位的演进路径能清晰看到一条上升曲线：博士后阶段在剑桥大学卡文迪许实验室——这个实验室诞生过数十位诺贝尔奖得主，是物理学的殿堂。随后在巴斯大学独立组建团队，从助理教授做到副教授。2024年回国加入复旦大学人工智能创新与产业研究院，这一步既是个人发展的重要节点，也回应了国内对科学智能（AI for Science）领域的迫切需求。

2024年至今，复旦大学，人工智能创新与产业研究院，教授
2019年–2024年，英国巴斯大学，计算机系，历任助理教授、副教授
2016年–2019年，英国剑桥大学，卡文迪许实验室，博士后

研究方向

研究方向有两个关键词：科学智能（AI for Science）和大模型多智能体。核心思路并非简单地把现成AI工具套用到科学问题上，而是反过来，利用交叉学科中的领域知识来驱动概率建模和AI技术的设计。这种方法论层面的思考，追求的是在真实应用场景下的泛化能力和可靠性，而不是模型在公开榜单上的排名。

具体技术栈覆盖很广：贝叶斯推断、统计机器学习、深度学习、多模态大模型、多智能体。但落脚点始终清晰——这些技术最终是为生命科学、地球科学、工程科学等问题服务的。做科学智能的研究者很多，但能把贝叶斯方法、大模型和多智能体系统拧在一起，同时落地到多个学科场景的，并不多见。

主要成果

已发表论文40余篇，出版专著（章节）1部。特别值得关注的是Nature子刊《Nature Reviews Methods Primers》（IF 50.1）上的领域特邀综述——该刊物在方法论领域地位极高，能被邀请撰写综述本身就是一项重要的学术认可。

在生命科学领域的交叉研究入选2023年英国工程与自然科学研究理事会（EPSRC）的NIA科研奖，全英仅有9位科学家入选，竞争烈度可想而知。在地球科学领域，研究成果被直接集成进欧洲某五百强头部企业的大型智算平台，用于处理其全球多个业务区域的多参数反演、决策及不确定性估计等计算任务——这不是停留在论文里的成果，而是真正跑在生产环境里的东西。

科研项目方面，曾独立主持英国EPSRC面向人工智能与生命科学交叉领域约300万元的研究基金，共同主持英国EPSRC、NIHR等研究基金总额超700万元。资金体量与该领域的国际水准匹配，项目方向也高度聚焦在交叉学科。

招生专业

依托计算与智能创新学院招生。学术学位为计算机应用技术；专业学位为人工智能。同时长期招收博士后以及有兴趣参与研究的本科生。

发表论文（近5年节选）

以下论文集中体现了其在不同研究方向上的最新进展：

Zeng, Z., Zhang, J., Li, P., Qi, Y., Chen, X.* (2026). AI-for-Science Low-code Platform with Bayesian Adversarial Multi-Agent Framework. ICLR.
Li, P., Liu, J., Yu, J., Liu, L., Ding, M., Ouyang, W., ... & Chen, X.* (2026). ARCHE: A Novel Task to Evaluate LLMs on Latent Reasoning Chain Extraction. AAAI.
Long, Y., Zhang, J., Chen, X.*, & Brintrup, A. (2026). Topological Federated Clustering via Gra vitational Potential Fields under Local Differential Privacy. AAAI.
Jagpal, D., Chen, X.*, & Namboodiri, V. P. (2025). Eidt-v: Exploiting intersections in diffusion trajectories for model-agnostic, zero-shot, training-free text-to-video generation. CVPR.
Li, Y., Li, C., Wei, Y., Price, S., Schönlieb, C. B., & Chen, X.* (2024). Multi-objective Bayesian optimization with enhanced features for adaptively improved glioblastoma partitioning and survival prediction. Computerized Medical Imaging and Graphics.
Jiang, L., Mao, Y., Chen, X., Wang, X., & Li, C. (2023). CoLa-Diff: Conditional Latent Diffusion Model for Multi-Modal MRI Synthesis. MICCAI.
Wei, Y., Chen, X., Zhu, L., Zhang, L., Schönlieb, C. B., Price, S. J., & Li, C. (2023). Multi-modal learning for predicting the genotype of glioma. IEEE Transactions on Medical Imaging.
Lu, Y., Jin, Y., & Chen, X.* (2023). Recombination-based two-stage out-of-distribution detection method for traffic flow pattern analysis. In Handbook on Artificial Intelligence and Transport.
Chen, X., Feroz, F., & Hobson, M. (2022). Bayesian posterior repartitioning for nested sampling. Bayesian Analysis.
Ashton, G., Barbary, K., Bernstein N., Buchner J., Chen X., Csányi G., Fowlie A., et. al. (2022). Nested Sampling for physical scientists. Nature Reviews: Methods Primers.