何恺明MIT团队新成员背景 - 新招募的两位成员胡珂雅和李宗宜均为中国面孔，使何恺明在MIT的6名学生中5名为中国面孔[1][3] - 两位新成员均拥有突出的学术背景和研究经历[3] 胡珂雅学术履历与研究 - 胡珂雅本科毕业于上海交通大学ACM班，主修计算机科学[4] - 本科期间在上海交通大学脑机接口实验室研究AI for Science，专注于利用自监督学习处理脑电信号以帮助抑郁症患者[6] - 以第一作者完成论文《Contrastive Self-supervised EEG Representation Learning for Emotion Classification》并被国际生物医学计算机顶会EMBC接收[6][7] - 作为共同作者参与的论文被Cognitive Science 2025收录，并在康奈尔大学实习期间参与的项目被NeurIPS 2024接收，担任第二作者[9] - 主导研发的方法在ARC Prize 2024竞赛中达到SOTA水平，团队斩获最佳论文奖，该研究成果以共同第一作者身份发表于ICLR 2025[9][10] - 本科阶段共完成四篇高质量论文，获得MIT、普林斯顿、卡内基梅隆等多所名校博士offer，最终选择MIT直博，现为一年级博士生，由何恺明和Jacob Andreas共同指导，专注于语言与视觉的交叉研究[12] 李宗宜学术成就与贡献 - 李宗宜以第一作者发表论文提出傅里叶神经算子（FNO），实现了神经算子的规模化应用[15][17] - FNO通过傅里叶变换处理数据，显著提升神经算子的运行速度，被视为AI for Science领域的里程碑模型[18] - 李宗宜被公认为神经算子方向的核心贡献者之一，其谷歌学术引用次数超过1.2万[18] - 目前为MIT博士后研究员，由何恺明指导，并已获得纽约大学助理教授职位，将于明年秋季入职[20] - 本科就读于圣路易斯华盛顿大学，获计算机科学与数学双学位并辅修爵士乐，博士毕业于加州理工学院，师从Anima Anandkumar和Andrew Stuart，博士期间连续三个暑期在英伟达实习[20][22] 何恺明研究方向与团队建设 - 何恺明自2024年离职Meta加入MIT，明确将AI for Science作为未来几年重点深耕方向[23] - 新成员胡珂雅和李宗宜的研究背景与AI for Science方向高度契合，形成强强呼应的团队阵容[23] - 何恺明目前已招募6位学生，团队阵容豪华，原计划为7人，最后一位候选人履历亮眼但尚未出现在团队介绍中[23][24] - 作为ResNet发明者之一，何恺明进入学术界为年轻学者深入进行AI基础研究提供了机会，ResNet原团队成员也以不同方式培养新生代[24][25]

何恺明MIT团队新成员概况 - AI大牛何恺明在MIT的主页更新了两名新弟子的信息：博士生胡珂雅和博士后李宗宜 [1] - 何恺明任教MIT以来招募的6位学生中，5名都是中国面孔 [4] 胡珂雅背景与研究经历 - 胡珂雅本科毕业于上海交通大学ACM班，高中就读于福建师范大学附属中学 [5] - 大三期间在上海交通大学脑机接口实验室研究AI与脑科学结合，以第一作者完成论文并被国际生物医学计算机顶会EMBC接收 [7][8] - 作为共同作者参与的论文被顶会Cognitive Science 2025收录，并在康奈尔大学实习期间参与的项目成果被NeurIPS 2024接收，担任第二作者 [10][11] - 主导研发关键方法参与ARC Prize 2024竞赛，该竞赛总奖金超过100万美元，吸引全球1430支队伍参赛，其团队成果达到SOTA水平并斩获最佳论文奖 [12][13][15][17] - 以共同第一作者身份将ARC竞赛研究成果整理成文，成功发表于顶级机器学习会议ICLR 2025 [18] - 本科阶段共完成四篇高含金量论文，一半为第一作者，获得MIT、普林斯顿、卡内基梅隆等多所名校博士offer，最终选择MIT直博 [21][22] - 目前是MIT电子工程与计算机科学系一年级博士生，由何恺明和Jacob Andreas共同指导，专注于语言与视觉的交叉研究 [23][24] 李宗宜背景与研究贡献 - 李宗宜在2021年以第一作者身份发表重量级论文，提出傅里叶神经算子（FNO），首次实现神经算子的规模化应用 [27][29] - 神经算子是一种能学会解物理方程的神经网络，可在几毫秒内完成传统超级计算机需数小时的计算任务，在天气预报、碳封存等领域有重要应用 [30][32][34] - FNO通过傅里叶变换处理数据，让神经算子运行速度成倍提升，被视为AI for Science领域的里程碑模型，李宗宜谷歌学术引用次数超过1.2万 [35][36] - 目前担任MIT博士后研究员，由何恺明指导，已获得纽约大学助理教授职位，将于明年秋季入职 [38][39] - 本科在圣路易斯华盛顿大学修读计算机科学与数学双学位，博士就读于加州理工学院，师从Anima Anandkumar和Andrew Stuart，博士期间连续三个暑期在英伟达实习 [41][42][44] 何恺明研究方向与团队建设 - 何恺明在2023年MIT求职演讲中明确指出AI for Science是其未来几年重点深耕的方向 [46] - 新成员胡珂雅和李宗宜的研究背景与AI for Science方向高度契合，加上此前成员，团队已集齐六位学生 [47][48][49] - 何恺明自2024年离职Meta加入MIT学术界，致力于推进AI基础研究和前沿突破 [52]

人脑如何通过数百种神经元构成的复杂回路塑造认知功能，至今仍是生命科学中一个深奥难解的谜题。过去十年来，随着电生理、形态学与转录组学等多 模态数据的积累，科学家逐步揭示了人类神经元在基因表达、形态结构和电生理特性上的显著异质性。然而，这些差异究竟如何影响大脑的信息处理过 程，例如特定基因表达与神经系统疾病之间的内在联系，就仍是一个悬而未决的难题。 传统上，研究者常借助基于三维多隔室偏微分方程（PDE）的模型来模拟神经元活动。这类模型虽然能够较好还原生物真实性，却存在一个致命缺陷：计 算成本极其高昂。单个神经元的模型优化可能需要消耗约 60 万 CPU 核心小时，且参数稍有变动就容易导致模拟结果与实验数据严重偏离。更关键的是， 这类确定性模型难以捕捉实验中所观察到的「内在变异性」，即便输入相同，同一神经元也可能产生不同的电生理响应。而人为引入随机性的方法，又常 常带来非机制性的干扰，进一步削弱模型预测的可靠性。 面对这些挑战，来自苏黎世联邦理工学院、加州理工学院与阿尔伯塔大学等机构的联合团队提出了一种名为 NOBLE（Neural Operator with Biologically- informed Late ...