最近，张嘉琦（Jiaqi Zhang）在X上宣布，将于 2027 年 1 月加入哥伦比亚大学计算机科学系，担任助理教授。
她将在哥大组建自己的研究团队，聚焦因果推断、人工智能、实验设计以及生物医学应用等方向。
目前，张嘉琦已经开始招收博士生和博士后。对相关方向感兴趣的学生，可以在今年秋季申请哥伦比亚大学 CS PhD 项目，也可以直接通过邮件与她联系。
01
本科北大数学系，
曾获奥赛金牌
张嘉琦本科毕业于北京大学数学专业，此后前往麻省理工学院 EECS 攻读博士学位，师从因果推断、机器学习与计算生物学领域知名学者 Caroline Uhler。
博士期间，她还曾先后在字节跳动、微软研究院和苹果实习。
她的研究成果发表于 NeurIPS、ICML、Nature Machine Intelligence 等顶级会议和期刊，并曾获得 Stuart L. Schreiber科学卓越奖、Apple AI/ML博士奖学金等荣誉。
其实早在进入大学前，张嘉琦就已经展现出很强的数学能力。她曾获得 2016 年中国数学奥林匹克金牌，并入选中国数学奥林匹克国家集训队。
02
用 AI 寻找下一步
最值得做的实验
在细胞生物学研究中，科学家常常希望知道改变某个基因之后，细胞会发生什么变化？如果同时干预多个基因，又会出现怎样的结果？
由于可能的基因组合非常多，如果全部依靠真实实验验证，成本会非常高。
张嘉琦的一条重要研究路线，就是让机器学习模型从已有数据中学习潜在的因果关系，进一步预测尚未进行过的干预结果，并帮助研究人员选择最值得做、信息量最大的下一组实验。
2022年，她曾与普林斯顿大学王梦迪、斯坦福大学丛乐等研究者合作，参与发表于 Molecular Cell 的论文《Machine-learning-optimized Cas12a barcoding enables the recovery of single-cell lineages and transcriptional profiles》。
这项工作将机器学习与 CRISPR-Cas12a 基因条形码技术结合起来，提出了名为 DAISY 的紧凑型高容量细胞条形码系统。研究团队利用高通量筛选和机器学习优化条形码设计，并结合单细胞 RNA 测序，实现了对数万个人类黑色素瘤细胞的谱系与转录状态追踪。
2023 年，张嘉琦以第一作者身份在 Nature Machine Intelligence 发表研究，提出一种结合因果模型与主动学习的实验设计方法。
团队还将这一方法用于单细胞转录组数据，尝试寻找能够诱导特定细胞状态转变的基因扰动，结果显示，引入因果信息后可以用更少的实验样本找到更优的干预方案。
2025 年，她参与提出一种新的组合干预实验设计方法，相关工作入选 ICML 2025 Spotlight。
03
AI 正在进入
科学发现闭环
从这些工作里也能看出，张嘉琦想做的并不只是让 AI 帮科学家处理数据，而是希望它能进一步参与到实验设计里，先预测不同干预可能带来的结果，再帮助研究人员判断下一步最值得做什么实验。这也是现在 AI for Science 很重要的一条方向。
END
关注+星标，获取AI前沿进展与开源一线动态