招聘人：黄冰 教授
招聘单位：武汉大学化学与分子科学学院
联系方式：[email protected]
相关网页介绍：http://jszy.whu.edu.cn/bhuang, http://electrochem.whu.edu.cn

各位同仁和学子们，
非常高兴宣布，在武汉大学化学与分子科学学院，我们正在寻找博士后研究员（每年最多3名）、博士研究生（每年2名博士和2名硕士），以及本科生（不限人数）来加入我们的研究团队。我是黄冰，2024年年初以HY回母校武汉大学开展科研工作。我满怀壮志，正期待新成员的加盟进入ML4Science（Machine Learning for Science）的风口一起飞。

本人正建立独立的结合机器学习的理论与计算化学课题组（称之为数据驱动的量化实验室，data-driven quantum chemistry，简称为d^2 Q_C或d2qc，目前课题组网站在建设中，学校个人简介见http://jszy.whu.edu.cn/bhuang/），作为庄林教授领导的氢能电化学实验室大团队（见http://electrochem.whu.edu.cn）的一部分，将具有天然的理论结合实际的属性。我们主要将借助于数学、物理、计算机和化学等学科中的方法或手段探索量子化学和机器学习领域的创新模型和方法，最终目的是实现高效高精度的量子化学计算/化合物性质预测、并从第一性原理的角度理解简单/复杂化学体系中化学键的本质；其次是将发展的模型来作预测，进而用于指导实际的化学过程，如具有给定性质的分子搜索/优化、表面催化/电催化中催化剂或电解质的设计等。

基础科学研究中“低垂的果实”早已被收割，当今唯有广泛地“交叉偶联”，才能做出独到的东西；事实上，待解决问题往往较为复杂以至于不得不从其它学科中取经。如果你具备数学、物理、计算机、化学、生物或是工程学专业的基础，或者至少对相关领域充满热情，想读博士后、获得博/硕士学位，或是想做本科业余科研/毕业设计，欢迎加入我们的团队。无论背景，在我们团队你都将成为一个独特的中心；同时你也会逐渐成长为一个超强的世界连接者（linker），能够与不同领域的人交流，从而更易碰撞出新思想的火花。

数学
如果你苦于自己的一身数学武艺无处安放，这儿有足够的空间让你发挥。概率论、组合数学、布尔代数、格理论、有限元分析、泛函分析、张量分析、逼近理论、微分几何等等数学分支都可在量子化学与机器学习、化学空间探索等领域的基础研究中（如相应的统计规律、机器学习模型的标度关系的本质等）大有作为。你将是组里最靓的仔！
物理
世界属于物理与数学，物理负责探究世界本源，而数学则是强大的辅助工具。我非常欣赏导师庄林教授的一句话，“...做基础研究，物理/数学的功底决定了你可以走多远...”。如果你是物理科班出生，在上述列举的几乎所有研究领域（即量子化学、机器学习、化学空间探索等），你都可以基于你所学到的物理学的基本理论和方法，包括哈密顿/拉格朗日力学、量子力学和统计力学等，为上述领域的基础研究注入新鲜的血液。
计算机科学
计算机科学的重要性自不必说，无论是大火的大语言模型，还是自动驾驶、机器人这些技术，无处不洋溢着这门既古老又现代的科学的光彩。数据结构、计算机图像学这些分支以及计算机科学的基础理论分支如信息论、计算复杂性理论和可计算性理论等等同样是探索化学空间和机器学习模型的强有力工具，期待你的加入让相关领域的探索不再是黑箱摸索。
生物学
新的世纪毋庸置疑属于生物学！生物大分子如蛋白、DNA等比一般的有机分子要复杂的多，更不用说它们与小分子或彼此之间形成的复合物以及相关的生化反应了。过去这些体系准确的微观模拟难以实现，而今借助于AI和机器学习，这些大尺度的模拟的图像越来越清晰。但这仍然不够，因为相应的构象空间依然太过庞大，我们需要生物学背景的你提供不一样的视角，来加速这一领域的探索。复杂性的背后很可能有一支看不见的手，而其操作的机制可能惊人地简单。结合同组内拥有数学、物理和计算机科学背景的头脑，无疑大家将会成为彼此的强大助力。
化学
所有化学问题的物理和数学在量子力学的建立后就已完全知道，问题是相应的薛定谔方程太过复杂以至于无法求解（Dirac语）。这种复杂性亦正是化学世界的美之所在。而依靠化学或是物理直觉，复杂背后的简单性往往出人意表。无论你之前精通哪一化学分支，如果你想着超越现有知识试图寻求更一般的化学法则，欢迎加入我们一起寻找美的旅程！

对不同岗位的要求
本科生/研究生
如果你已经学习了线性代数、概率统计、任意一门计算机编程语言等相关基础课程，你就可以加入我们探索机器学习和量子化学了。不过有部分基础的缺失也没有关系，兴趣是最好的引路人。
博士后
对博士后，相应的要求自然高许多。我希望你拥有量子物理/化学、计算机科学、数据科学或相关领域的博士学位，对量子化学和机器学习领域相关的前沿研究表现出浓厚的兴趣，同时具备编程技能、理解量子物理/化学的基本原理或者熟悉机器学习算法、数据分析工具。此外，也希望你具备团队合作精神，愿意积极参与团队项目，并愿意与其它成员分享知识与经验。

待遇与机遇
如上所述，我们实验室的一大特色将会是各种不同背景的人的大熔炉。虽然探索的是原子分子的问题，但其求解强烈依赖于各类不同的交叉学科的方法与工具，几乎涉及到自然科学的方方面面。只要你愿意交流和付出，你会为自己的科研成长按下快进键 。此外，我们还提供如下待遇：
1. 出国交流机会： 本人与国内外优秀科研人员有着长期合作的关系，包括多伦多大学的von Lilienfeld组、阿贡国家实验室的Anouar组等。因此，如果你想出国进行短/长期交流，这些世界闻名的机构将是你的绝佳去处。
2. 发展空间： 我们鼓励你积极参与国内/国际会议、发表研究论文，拓展学术和职业发展。
3. 优厚待遇： 我们将提供具有竞争力的薪酬和福利，以及资助参加学术研讨会/培训课程的机会。本科生也不例外，如愿意在实验室待至少半年的（平均一个小项目的耗时），也会有生活补贴。

我和你
在我看来，选择什么样的导师或合作者一起共事非常重要。毕竟，如果你决定加入我们课题组，等于你将你人生的几年黄金时间交给了我，我得负责。在此，特提供一些我的基本信息，包括想法和价值取向，供你做决定时参考：
A. 我几乎每天都会运动~40分钟，一般工作日下午跑步，周末游泳或羽毛球。如果你也喜欢运动，欢迎加入一起活动。我喜欢古典音乐，周董和霉霉的歌。
B. 我理想中的师生间关系是亦师亦友，且“友”>“师”（在国外，一般是直呼老板的名字，我非常认同且喜欢这种平等的关系，哪怕只是名义上）。
C. 智商和知识在科研中永远不是第一位的，激情和想象力才是；因而，如果你拥有后者，就算你平时考试成绩不太理想，也不要太怀疑自己。也许你会以为做理论/方法会很难，这并非真理: 做研究的关键往往是所解决的问题本身的好坏，而不是相应理论的艰深与否。我会在开始阶段给你一个相对简单的“好问题”，然后慢慢引导你找到自己可以毕生奋斗的大而不易的“好问题”。
D. 拒绝内卷：如果你想走别人的路，让别人无路可走，那我膜拜你，自然欢迎；我认为赢得竞争的最好方式是脱离“主流的”竞争，去发现/培养自己的独特性，走一条少有/没有人走的路。加入我们的实验室，重新γν θι σεαυτ ν（认识你自己）！
E. 默认加入了我们实验室的你最开始是对科研充满兴趣的。因而我不会去给你额外的压力，并希望你按适合自己的节奏走好每一步。我深知正反馈对持续的科学研究的重要性，因而对能够保持初心但课题进展不顺利的学生，我会给你一些重要却相对容易的研究项目来对冲负反馈。
F. 我鼓励学生广泛地涉猎各种“无用”之学。要是被我发现你在实验室看《历史哲学》这种“闲书”，我大抵会投来一个神秘的微笑。世界是由挑战构成的，而解决挑战的思想可以是想通的。因而，无用之学可能会无心插柳式地打通你的任督二脉，让你成为绝顶高手。
G. 我是个不错的倾听者，如果你愿意敞开心扉谈论无论是生活还是工作中遇到的问题，我不会辜负你的信任。我们可以一起尝试克服任何困难，并会尽我所能给予帮助。
H. 我会努力在实验室营造轻松自由的氛围，因为我坚信创新是灵感的自由涌现，而非大脑紧绷后的应激反应。另外，作为计划的一部分，我会带大家时不时换个新的学习/讨论环境（如去星巴克或其它咖啡店），刺激刺激我们喜新厌旧的大脑，兑现开头宣传语中的承诺。
如果你对这个机会感兴趣，满足上述要求，并且觉得我这个人还不错，欢迎将你的简历和个人陈述发送至 [email protected]。如有任何问题或需要更多信息，欢迎随时与我联系。

本人代表性论文

[1] B. Huang*, G. F. von Rudorff* and O. A. von Lilienfeld*, "The central role of density functional theory in the AI age". Science, 2023, 381, 170-175.
[2] B. Huang, O. A. von Lilienfeld, “Ab initio machine learning in chemical compound space”, Chemical Reviews, 2021, 121, 16, 10001-10036.
[3] B. Huang, O. A. von Lilienfeld, "Quantum machine learning using atom-in-molecule-based fragments selected on the fly”, Nature Chemistry, 2020, 12, 945-951. (highlighted by chemistryworld, see https://www.chemistryworld.com/opinion/a-3d-periodic-table/3007821.article)
[4] B. Huang, L. Xiao, J. Lu, L. Zhuang, “Spatially resolved quantification of the surface reactivity of solid catalysts”, Angewandte Chemie International Edition, 2016, 55, 6239-6243. (hot paper, see http://www.chemistryviews.org/details/ezine/9384461/Frontier_Orbital_Theory_for_Solid_Catalysts.html)
[5] B. Huang, L. Zhuang, L. Xiao, J. Lu, “Bond-energy decoupling: principle and application to heterogeneous catalysis”, Chemical Science, 2013, 4, 606-611. (hot paper, http://blogs.rsc.org/sc/2012/11/06/strength-of-the-chemical-bond/)
[6] B. Huang, and O. A. von Lilienfeld. “Communication: Understanding molecular representations in machine learning: The role of uniqueness and target similarity”, Journal of Chemical Physics, 2016, 145, 161102 (see URL) (>300 citations)