Jiaqi Zhang

Zhang 在北京大学取得学士学位，随后赴麻省理工学院电气工程与计算机科学系深造，师从 Caroline Uhler。她的研究围绕因果关系、干预效果预测和实验设计展开，尤其关注细胞生物学问题。⁠[1]

她的个人主页记载，2015年她获得中国女子数学奥林匹克第一名。她还曾在字节跳动、微软研究院与 Apple 进行研究实习。⁠[2]

2021年，Zhang 与 Chandler Squires、Caroline Uhler 在 NeurIPS 发表 Matching a Desired Causal State via Shift Interventions，讨论如何通过主动学习选择移位干预，使系统达到指定的平均状态。论文给出两种策略、所需干预次数的理论界限，并与基线方法比较。⁠[3]

Zhang 的研究成果包括与合作者开展的 Cas12a 细胞条形码研究，以及大规模预编码矩阵指示选择问题中的随机优化方法，分别发表于2022年的 Molecular Cell 与 IEEE Transactions on Wireless Communications。⁠[4]

她的个人主页列出2022年至2023年 Eric and Wendy Schmidt Center 博士奖学金，以及2023年至2025年 Apple AI/ML 博士奖学金。⁠[2]

Zhang 参与设计和分析 Broad Institute 癌症免疫治疗数据科学挑战赛的机器学习任务，目标是寻找能够改善 T 细胞抗癌作用的基因干预。比赛于2023年1月9日至2月3日在 Topcoder 举行。⁠[5][6]

竞赛使用73种基因敲除实验中的66种作为训练数据，要求预测其余7种的结果；另外两项任务分别要求提出新的基因敲除方案，以及设计评价这些方案的指标。优秀预测方案随后进入实验室验证计划。⁠[6]

同年 IAP 学期，Zhang 担任 MIT 6.S099 单细胞癌症免疫治疗机器学习竞赛课程助教。⁠[7]

2023年10月1日，Zhang 等人公开 Towards Causal Foundation Model: on Duality between Causal Inference and Attention 预印本，提出 Causal Inference with Attention（CInA），以多个无标签数据集进行自监督学习，再对新任务估计干预效果。该研究探讨协变量平衡与自注意力之间的联系，后来列入其2024年 ICML 成果。⁠[8][4]

2023年10月2日，Nature Machine Intelligence 发表 Zhang 作为第一作者的主动学习干预设计研究，合作作者包括 Louis Cammarata、Chandler Squires、Themistoklis P. Sapsis 与 Caroline Uhler。研究利用系统中的因果结构缩小候选干预范围，并逐轮选择信息价值较高的实验。⁠[9][4]

团队进一步用受极端事件研究启发的输出加权方式调整选择策略。在真实生物数据构成的模拟细胞重编程实验中，该方法优于所比较的基线；报道当时将实验室应用及更广泛目标函数列为后续研究。⁠[9]

2024年 IAP 学期，Zhang 在 MIT 共同教授 6.S091 Topics in Causality，围绕因果关系展开教学。⁠[7]

2024年，Zhang 入选 MIT Rising Stars in EECS。她在研究介绍中将工作分为三类：识别高维数据背后的因果结构、预测测量不完整时的干预效果，以及选择有助于达到目标状态的后续实验。⁠[1][2]

2024年11月7日，MIT 介绍 Zhang 与 Ryan Welch 共同担任第一作者、Caroline Uhler 担任资深作者的因果解耦研究。工作尝试在不额外进行干预实验的情况下，从观察数据恢复变量组及其因果关系。⁠[10]

该方法逐层构建变量表示，把共同发挥作用的基因概括为模块，再描述模块之间的调节关系。团队完成理论证明和模拟验证；报道中的真实遗传学应用仍属于后续计划。⁠[10]

2024年12月18日，Eric and Wendy Schmidt Center 宣布 Zhang 获得 Broad Institute 的 Stuart L. Schreiber Award in Scientific Excellence。获奖者得到纪念奖和1000美元奖金，并获安排参加领导力培养计划及下一年度评选。⁠[5]

该介绍还记载，她是 Gene Regulation Observatory 机器学习小组的共同负责人，曾指导本科生和研究生，并参与 Women in Data Science 等学术社区活动。⁠[5]

2025年春季，Zhang 在达特茅斯学院 ENGG 199.19 Principles of Causality 课程担任客座讲师。⁠[7]

2025年7月，Zhang 参与组织 ICML 的 Scaling up Intervention Models 研讨会。⁠[2]

2025年7月16日，MIT 介绍 Zhang 与 Divya Shyamal 共同担任第一作者、Caroline Uhler 参与的组合干预实验设计研究。方法不预先只选择少数固定组合，而是通过各干预的剂量控制细胞接受干预的概率。⁠[11]

每轮实验后，系统根据结果更新下一轮的剂量策略。研究提出理论保证，并在模拟中与两种基线比较；处理细胞间相互影响、选择偏差及开展真实实验，被列为后续方向。⁠[11]

Zhang 参与组织 Obesity Machine Learning Competition，探索基因干预如何影响脂肪细胞的储能与耗能状态。官方时间线显示，竞赛分阶段从2025年12月持续至2026年7月；她在2026年8月的个人主页更新中介绍了这一活动。⁠[2][12]

赛事由 Schmidt Center 联合 Broad Diabetes Initiative、Massachusetts General Hospital、Beth Israel Deaconess Medical Center 和 CrunchDAO 举办。官方页面当前记载三个阶段均已关闭投稿，正在准备同行评议，优秀模型的实验室测试列为计划。⁠[12]

2025年12月6日，Zhang 作为组织者参与在圣迭戈举行的 NeurIPS CauScien 研讨会，主题是因果学习与科学发现，讨论如何将领域知识和真实科学数据纳入因果研究。⁠[13]

2026年，Zhang 完成 MIT 电气工程与计算机科学博士学位。该校毕业册在工程学院博士名单中收录她，论文题为 Learning and Designing Interventions；个人主页也确认博士已完成，导师为 Caroline Uhler。⁠[14][2]

2026年2月2日，Zhang 与 Emily Liu、Caroline Uhler 在 PLOS Computational Biology 发表基因干预效果预测研究。团队提出 SCCVAE，把基于基因调控网络的因果模型与变分自编码器结合，用于预测单细胞转录组对未见干预的响应。⁠[15]

模型也用于识别功能性干预模块，并模拟不同强度的单基因敲低。论文报告的是计算模型与数据实验成果。⁠[15]

Zhang 的个人主页记载，她参与组织于2026年4月6日至8日在 Broad Institute 举行的 Causal Learning and Reasoning（CLeaR）会议。⁠[2]

在2026年 AISTATS 论文集中，Zhang 与 Marc Franquesa Monés、Caroline Uhler 发表关于条件独立检验次数的研究。论文提出基于图结构的算法复杂度界限及相应下界，并使用模拟、半合成基因表达数据和真实数据检验算法效率。⁠[16]

2026年 UAI 论文集收录 Zhang 与 Bijan Mazaheri、Caroline Uhler 的 Relaxing Faithfulness with Intervention-Only Causal Discovery。该研究讨论自然系统中路径效应相互抵消时，如何通过干预信息和较弱假设识别因果结构。⁠[17]

三人还发表 Meta-Dependence in Conditional Independence Testing，研究多项条件独立性质之间的依赖关系，构建可由统计量计算的度量，并探索利用该度量调整显著性阈值以改善因果发现。⁠[18]

截至本次核查，Zhang 的个人主页将她介绍为即将加入哥伦比亚大学计算机科学系的助理教授，尚未在该页列出具体到任日期。⁠[2]

麻省理工学院：Zhang 完成博士学位及开展因果推断研究的学校。官网：https://www.mit.edu/（在新窗口打开）。⁠[14]

Eric and Wendy Schmidt Center / Broad Institute：Zhang 获得博士研究资助、参与计算生物学研究及数据竞赛的机构。官网：https://www.ericandwendyschmidtcenter.org/（在新窗口打开）。⁠[5]

哥伦比亚大学：其个人主页公布的拟任职学校。官网：https://www.columbia.edu/（在新窗口打开）。⁠[2]

个人学术网站：https://jqvicky.github.io/（在新窗口打开）。公开 X 账号：https://x.com/JiaqiZhangVic（在新窗口打开）。⁠[19]