ABAB Pedia
詞條廣場

Jiaqi Zhang

Jiaqi Zhang 是因果推斷、機器學習與計算生物學研究者，2026年取得麻省理工學院電氣工程與計算機科學博士學位，導師為 Caroline Uhler。她研究干預效果預測和實驗設計，參與 Broad Institute 的細胞擾動數據競賽，並獲得 Stuart L. Schreiber 科學卓越獎。其個人主頁公佈了即將赴哥倫比亞大學計算機科學系任助理教授的計劃。

本頁目錄23 節
詞條資料

早期教育與研究訓練

Zhang 在北京大學取得學士學位，隨後赴麻省理工學院電氣工程與計算機科學系深造，師從 Caroline Uhler。她的研究圍繞因果關係、干預效果預測和實驗設計展開，尤其關注細胞生物學問題。⁠[1]

她的個人主頁記載，2015年她獲得中國女子數學奧林匹克第一名。她還曾在字節跳動、微軟MicrosoftMicrosoft（微軟）是由 Bill Gates 和 Paul Allen 於1975年創辦、總部位於美國華盛頓州雷德蒙德的科技公司，業務涵蓋 Windows、Microsoft 365、Azure、企業軟件、人工智能、遊戲和設備。點擊查看完整詞條研究院與 AppleAppleApple（蘋果公司）是1976年創辦、總部位於美國加利福尼亞州庫比蒂諾的上市科技公司。業務包括 iPhone、Mac、iPad、可穿戴設備，以及數字內容、支付、雲端存儲等服務。公司通過自研硬件、操作系統和服務構建產品體系。點擊查看完整詞條 進行研究實習。⁠[2]

2021年研究目標狀態的干預設計

2021年，Zhang 與 Chandler Squires、Caroline Uhler 在 NeurIPS 發表 Matching a Desired Causal State via Shift Interventions，討論如何通過主動學習選擇移位干預，使系統達到指定的平均狀態。論文給出兩種策略、所需干預次數的理論界限，並與基線方法比較。⁠[3]

2022年跨領域合作與博士獎學金

Zhang 的研究成果包括與合作者開展的 Cas12a 細胞條形碼研究，以及大規模預編碼矩陣指示選擇問題中的隨機優化方法，分別發表於2022年的 Molecular Cell 與 IEEE Transactions on Wireless Communications。⁠[4]

她的個人主頁列出2022年至2023年 Eric and Wendy Schmidt Center 博士獎學金，以及2023年至2025年 Apple AI/ML 博士獎學金。⁠[2]

2023年參與癌症免疫治療數據挑戰賽

Zhang 參與設計和分析 Broad Institute 癌症免疫治療數據科學挑戰賽的機器學習任務，目標是尋找能夠改善 T 細胞抗癌作用的基因干預。比賽於2023年1月9日至2月3日在 Topcoder 舉行。⁠[5][6]

競賽使用73種基因敲除實驗中的66種作為訓練數據，要求預測其餘7種的結果；另外兩項任務分別要求提出新的基因敲除方案，以及設計評價這些方案的指標。優秀預測方案隨後進入實驗室驗證計劃。⁠[6]

同年 IAP 學期，Zhang 擔任 MIT 6.S099 單細胞癌症免疫治療機器學習競賽課程助教。⁠[7]

2023年至2024年探索因果推斷與注意力機制

2023年10月1日，Zhang 等人公開 Towards Causal Foundation Model: on Duality between Causal Inference and Attention 預印本，提出 Causal Inference with Attention（CInA），以多個無標籤數據集進行自監督學習，再對新任務估計干預效果。該研究探討協變量平衡與自注意力之間的聯繫，後來列入其2024年 ICML 成果。⁠[8][4]

2023年發表最優干預主動學習研究

2023年10月2日，Nature Machine Intelligence 發表 Zhang 作為第一作者的主動學習干預設計研究，合作作者包括 Louis Cammarata、Chandler Squires、Themistoklis P. Sapsis 與 Caroline Uhler。研究利用系統中的因果結構縮小候選干預範圍，並逐輪選擇信息價值較高的實驗。⁠[9][4]

團隊進一步用受極端事件研究啟發的輸出加權方式調整選擇策略。在真實生物數據構成的模擬細胞重編程實驗中，該方法優於所比較的基線；報道當時將實驗室應用及更廣泛目標函數列為後續研究。⁠[9]

2024年共同教授因果關係課程

2024年 IAP 學期，Zhang 在 MIT 共同教授 6.S091 Topics in Causality，圍繞因果關係展開教學。⁠[7]

2024年參加 Rising Stars in EECS

2024年，Zhang 入選 MIT Rising Stars in EECS。她在研究介紹中將工作分為三類：識別高維數據背後的因果結構、預測測量不完整時的干預效果，以及選擇有助於達到目標狀態的後續實驗。⁠[1][2]

2024年研究僅憑觀察數據的因果解耦

2024年11月7日，MIT 介紹 Zhang 與 Ryan Welch 共同擔任第一作者、Caroline Uhler 擔任資深作者的因果解耦研究。工作嘗試在不額外進行干預實驗的情況下，從觀察數據恢復變量組及其因果關係。⁠[10]

該方法逐層構建變量表示，把共同發揮作用的基因概括為模塊，再描述模塊之間的調節關係。團隊完成理論證明和模擬驗證；報道中的真實遺傳學應用仍屬於後續計劃。⁠[10]

2024年獲得 Broad 科學卓越獎

2024年12月18日，Eric and Wendy Schmidt Center 宣佈 Zhang 獲得 Broad Institute 的 Stuart L. Schreiber Award in Scientific Excellence。獲獎者得到紀念獎和1000美元獎金，並獲安排參加領導力培養計劃及下一年度評選。⁠[5]

該介紹還記載，她是 Gene Regulation Observatory 機器學習小組的共同負責人，曾指導本科生和研究生，並參與 Women in Data Science 等學術社區活動。⁠[5]

2025年客座教學與學術研討活動

2025年春季，Zhang 在達特茅斯學院 ENGG 199.19 Principles of Causality 課程擔任客座講師。⁠[7]

2025年參與 ICML 研討會組織

2025年7月，Zhang 參與組織 ICML 的 Scaling up Intervention Models 研討會。⁠[2]

2025年研究組合干預的概率實驗設計

2025年7月16日，MIT 介紹 Zhang 與 Divya Shyamal 共同擔任第一作者、Caroline Uhler 參與的組合干預實驗設計研究。方法不預先只選擇少數固定組合，而是通過各干預的劑量控制細胞接受干預的概率。⁠[11]

每輪實驗後，系統根據結果更新下一輪的劑量策略。研究提出理論保證，並在模擬中與兩種基線比較；處理細胞間相互影響、選擇偏差及開展真實實驗，被列為後續方向。⁠[11]

2025年至2026年參與肥胖機器學習競賽

Zhang 參與組織 Obesity Machine Learning Competition，探索基因干預如何影響脂肪細胞的儲能與耗能狀態。官方時間線顯示，競賽分階段從2025年12月持續至2026年7月；她在2026年8月的個人主頁更新中介紹了這一活動。⁠[2][12]

賽事由 Schmidt Center 聯合 Broad Diabetes Initiative、Massachusetts General Hospital、Beth Israel Deaconess Medical Center 和 CrunchDAO 舉辦。官方頁面當前記載三個階段均已關閉投稿，正在準備同行評議，優秀模型的實驗室測試列為計劃。⁠[12]

2025年組織 CauScien 研討會

2025年12月6日，Zhang 作為組織者參與在聖迭戈舉行的 NeurIPS CauScien 研討會，主題是因果學習與科學發現，討論如何將領域知識和真實科學數據納入因果研究。⁠[13]

2026年完成 MIT 博士學位

2026年，Zhang 完成 MIT 電氣工程與計算機科學博士學位。該校畢業冊在工程學院博士名單中收錄她，論文題為 Learning and Designing Interventions；個人主頁也確認博士已完成，導師為 Caroline Uhler。⁠[14][2]

2026年發表 SCCVAE 研究

2026年2月2日，Zhang 與 Emily Liu、Caroline Uhler 在 PLOS Computational Biology 發表基因干預效果預測研究。團隊提出 SCCVAE，把基於基因調控網絡的因果模型與變分自編碼器結合，用於預測單細胞轉錄組對未見干預的響應。⁠[15]

模型也用於識別功能性干預模塊，並模擬不同強度的單基因敲低。論文報告的是計算模型與數據實驗成果。⁠[15]

2026年組織 CLeaR 會議

Zhang 的個人主頁記載，她參與組織於2026年4月6日至8日在 Broad Institute 舉行的 Causal Learning and Reasoning（CLeaR）會議。⁠[2]

2026年研究條件獨立檢驗的複雜度

在2026年 AISTATS 論文集中，Zhang 與 Marc Franquesa Monés、Caroline Uhler 發表關於條件獨立檢驗次數的研究。論文提出基於圖結構的算法複雜度界限及相應下界，並使用模擬、半合成基因表達數據和真實數據檢驗算法效率。⁠[16]

2026年發表兩項 UAI 因果發現研究

2026年 UAI 論文集收錄 Zhang 與 Bijan Mazaheri、Caroline Uhler 的 Relaxing Faithfulness with Intervention-Only Causal Discovery。該研究討論自然系統中路徑效應相互抵消時，如何通過干預信息和較弱假設識別因果結構。⁠[17]

三人還發表 MetaMetaMeta（Meta Platforms, Inc.）是美國上市科技公司，2021年由 Facebook 公司更名而來，經營社交通信、數字廣告、虛擬現實、智能眼鏡及人工智能業務。點擊查看完整詞條-Dependence in Conditional Independence Testing，研究多項條件獨立性質之間的依賴關係，構建可由統計量計算的度量，並探索利用該度量調整顯著性閾值以改善因果發現。⁠[18]

哥倫比亞大學任職計劃

截至本次核查，Zhang 的個人主頁將她介紹為即將加入哥倫比亞大學計算機科學系的助理教授，尚未在該頁列出具體到任日期。⁠[2]

關聯機構與公開網站

麻省理工學院：Zhang 完成博士學位及開展因果推斷研究的學校。官網：https://www.mit.edu/（在新窗口打開）。⁠[14]

Eric and Wendy Schmidt Center / Broad Institute：Zhang 獲得博士研究資助、參與計算生物學研究及數據競賽的機構。官網：https://www.ericandwendyschmidtcenter.org/（在新窗口打開）。⁠[5]

哥倫比亞大學：其個人主頁公佈的擬任職學校。官網：https://www.columbia.edu/（在新窗口打開）。⁠[2]

個人學術網站：https://jqvicky.github.io/（在新窗口打開）。公開 X 賬號：https://x.com/JiaqiZhangVic（在新窗口打開）。⁠[19]

來源

  1. Jiaqi Zhang — MIT Rising Stars 2024（在新窗口打開）
  2. Jiaqi Zhang — Personal Homepage（在新窗口打開）
  3. Matching a Desired Causal State via Shift Interventions（在新窗口打開）
  4. Research — Jiaqi Zhang（在新窗口打開）
  5. Schmidt Center PhD Fellow Jiaqi Zhang Presented with Broad’s Stuart L. Schreiber Award in Scientific Excellence（在新窗口打開）
  6. Machine learning experts from around the world compete to improve cancer immunotherapy（在新窗口打開）
  7. Teaching — Jiaqi Zhang（在新窗口打開）
  8. Towards Causal Foundation Model: on Duality between Causal Inference and Attention（在新窗口打開）
  9. A more effective experimental design for engineering a cell into a new state（在新窗口打開）
  10. A causal theory for studying the cause-and-effect relationships of genes（在新窗口打開）
  11. How to more efficiently study complex treatment interactions（在新窗口打開）
  12. Obesity Machine Learning Competition: Tackling Metabolic Diseases（在新窗口打開）
  13. CauScien: Uncovering Causality in Science（在新窗口打開）
  14. MIT Commencement: Honoring the graduates of 2026（在新窗口打開）
  15. Learning genetic perturbation effects with variational causal inference（在新窗口打開）
  16. On the Number of Conditional Independence Tests in Constraint-based Causal Discovery（在新窗口打開）
  17. Relaxing Faithfulness with Intervention-Only Causal Discovery（在新窗口打開）
  18. Meta-Dependence in Conditional Independence Testing（在新窗口打開）
  19. Contact — Jiaqi Zhang（在新窗口打開）