复旦大学 姜若曦 助理教授
报告生成时间：2026年8月25日
个人主页：姜若曦
所属团队：复旦大学人工智能创新与产业研究院（AI³院）
一、学者基本信息
| 字段 | 信息 |
|---|---|
| 姓名 | 姜若曦（Ruoxi Jiang） |
| 出生年份 | 公开资料未披露 |
| 职称 | 复旦大学人工智能创新与产业研究院助理教授、硕士生导师（2025年8月至今） |
| 所属单位 | 复旦大学人工智能创新与产业研究院（AI³院）；上海科学智能研究院（上智院） |
| 实验室职务 | 公开资料未见独立实验室、中心或行政职务的正式披露 |
| 学术头衔 | 上海科学智能研究院AI科学家；复旦大学与上智院双聘PI（据澎湃新闻采访表述） |
| 邮箱 | roxie_jiang@fudan.edu.cn |
| 研究方向 | 面向科学智能与视觉模型的表征学习、生成模型、世界模型表征、数据驱动动态系统模拟、层级生成建模、物理驱动仿真 |
姜若曦的研究主线，是将“如何获得具有结构性的表征”同时用于静态视觉生成与动态物理系统模拟。其官方主页将应用场景概括为物理仿真、科学计算和视觉生成；媒体访谈则将其目标概括为让AI不仅“看见”物理世界，更能理解系统机制、生成可靠的长期预测。该路线连接了机器学习、计算机视觉、数值模拟与科学计算：一端关注扩散模型、层级潜变量和生成表征，另一端关注湍流等复杂动力系统中长期滚动预测的稳定性与物理一致性。
二、教育背景与职业履历
姜若曦的教育轨迹横跨经济学、运筹学与计算机科学。根据AI³院个人主页，她于2012—2016年获西安交通大学经济学学士学位；2016—2018年在哥伦比亚大学获运筹学硕士学位；2019—2025年在芝加哥大学计算机科学专业攻读并获得博士学位。澎湃新闻的专访补充了这一转向的内在脉络：本科阶段的数学基础使其能够转入运筹学，硕士期间的数据挖掘课程促使她进一步走向人工智能和博士训练。这一复合背景也解释了其研究中对不确定性量化、模拟推断、动态系统与计算效率的持续关注。
她于2025年8月同时加入复旦大学AI³院和上海科学智能研究院，分别担任助理教授和AI科学家。报道将其称为“双聘PI”；这一称谓反映的是跨两家机构开展科研的岗位安排，不宜进一步引申为两机构之间的行政隶属或独立课题组规模。其当前招生依托复旦大学计算与智能创新学院，面向计算机、数学、统计、物理等背景学生开放。对一位刚完成博士训练、刚入职的青年PI而言，这一安排使其能够把芝加哥大学阶段形成的国际合作网络，同上海本地的科学智能平台、算力和应用生态衔接起来。
三、学生培养情况
截至本报告生成日，姜若曦于2025年8月刚入职约一年，公开资料未显示其已有独立指导并毕业的博士生，也未公布可确认的在读博士生名单。因此，不能将其论文合作者、实习生或上智院活动参与者直接认定为其学生。媒体报道中的“上智院物理仿真团队与实习同学合影”仅能说明她参与所在团队的研究与人才培养活动，不能据此确证个体的导师归属。
她已明确依托复旦大学计算与智能创新学院招生，欢迎具有计算机科学、数学、统计学、物理学背景的学生联系。结合公开研究内容，潜在培养主题可包括：复杂动力系统的神经模拟器与PDE代理模型；面向生成质量、控制和可解释性的层级扩散模型；世界模型与对比表征；以及将物理约束、数值方法和数据驱动方法结合的AI4Science问题。澎湃采访显示，她将导师角色理解为不仅共同推进科研，也要为学生争取资源、理解个体差异并建立合适的沟通机制；这可视为其刚开始独立培养阶段的公开教学理念，而非已被长期结果验证的培养成果。
四、学术合作网络
4.1 学术谱系与师承关系
姜若曦的博士阶段位于芝加哥大学计算机科学的机器学习与视觉研究环境中。其论文记录显示，Rebecca Willett与她合作最为连续：从NeurIPS 2021的核与神经bandit纯探索、NeurIPS 2022的动态系统参数估计，到NeurIPS 2023的混沌吸引子不变测度、ICML 2024的随机力学，以及2025—2026年的生成表征与神经模拟器工作，均可见Willett署名。澎湃采访中姜若曦提到“博士导师”对她的影响，尤其是使她看到优秀女性科研工作者的状态；但采访未点名导师，学校主页亦未以“导师”字段确认。因此，本报告将Rebecca Willett审慎表述为有充分论文证据支持的长期资深合作者，且很可能属于其博士导师圈层；直接指导关系待公开权威材料进一步确认。
Michael Maire同样多次出现在其视觉生成与表征学习论文中，包括CVPR 2025的《Nested Diffusion Models Using Hierarchical Latent Priors》、NeurIPS 2025的《Hierarchical Implicit Neural Emulators》及CVPR 2026的《Residual connections harm generative representation learning》。这显示出稳定的合作和研究环境关联，但目前未见可引用的一手资料明确其为姜若曦的正式博士导师。故应称Michael Maire为多次合作的资深合作者/导师圈层成员，而不应写为已确证的直接导师。两位学者分别连接统计学习、计算成像/视觉和科学计算，使姜若曦的研究网络具有“表征—生成—科学模拟”交叉特征。
4.2 核心学术合作网络
第一圈层为芝加哥大学时期的长期合作者。Peter Y. Lu与姜若曦共同署名NeurIPS 2023的混沌吸引子工作、ICML 2024的Deep stochastic mechanics、JMLR在审稿件《Embed and Emulate: Contrastive representations for simulation-based inference》，并共同参与NeurIPS 2025神经模拟器；其角色应界定为高频论文合作者，而非学生。Xiao Zhang与她共同推进CVPR 2025的嵌套扩散、NeurIPS 2025神经模拟器和CVPR 2026残差连接研究，是连接视觉生成与表征学习的另一位核心合作者；公开资料不足以确认双方师生关系。
第二圈层是科学机器学习与物理模拟的跨学科协作者。Pedram Hassanzadeh参加NeurIPS 2025神经模拟器研究，体现该工作与流体动力学/复杂系统专业知识的交叉；Karan Jakhar亦为该论文合作者。论文的arXiv摘要说明，该方法以多尺度的低维未来状态表征辅助下一时刻细化，在湍流实验中改善长期稳定性并保持较低开销。Justin Meng、Zhuokai Zhao、Chong Liu、Yuxin Chen与Willett共同参与AISTATS 2026的PDE代理模型网格优化工作，说明其网络正从表征建模延展到强化学习辅助的数值离散与科学计算。
第三圈层是入职后面向时序与科学智能的合作连接。AI³院论文列表显示，姜若曦参与ICLR 2025的PMDformer，并与Zenglin Xu等人合作；在ICML 2026的嵌套时空时间序列预测中，她与Yinghao Ai、Yukai Zhou、Junyi An、Zenglin Xu、Furao Shen、Yuan Qi等共同署名。此处应严格理解为论文合作关系，不能据作者排序或通讯标记推定其对其他作者的指导关系。总体而言，她的合作网络以芝加哥大学时期的生成表征与科学计算网络为学术源头，正在向国内AI4Science、时序建模和平台化研究场景扩展。
五、业界合作关系深度分析
姜若曦的产业连接主要表现为“科学智能平台+成果转化可能性”，而非已披露的企业联合实验室或企业任职。AI³院主页称其“10+篇论文发表在NeurIPS、ICML、CVPR等国际顶会上，其中1篇推动创业公司的落地”，但未披露对应论文名称、公司名称、产品、融资或其本人角色。基于这一公开信息，能够确认的是存在成果推动创业公司落地的官方表述；具体指向则应标记为公开资料未披露，不宜将其归因于某一篇神经模拟器、扩散模型或模拟推断论文。
上智院是她当前最重要的产业化与应用连接节点。澎湃采访称，上智院由上海市与复旦大学共同打造，着力形成“科学家广泛参与、市场化高效运营”的科学智能平台生态；姜若曦将选择双聘的原因概括为能够同时尝试学术与产业，并把校园外的融合经验带回学院和课题组。该关系应界定为机构同事和平台协作关系，而不是漆远对姜若曦的论文指导关系。漆远同时担任上智院院长、AI³院院长，构成她所在组织体系的领导与平台资源枢纽；截至公开资料可检索范围，未见二人共同论文或直接师承关系的可靠证据。
从研究转化逻辑看，她的工作具备三类潜在产业接口：其一，神经PDE模拟器可服务流体、工程仿真与科学计算中的快速代理建模；其二，层级扩散与语义重采样可面向可控视觉生成；其三，模拟推断和不确定性量化可服务需可靠估计的科学与工程任务。不过这些是技术路径分析，并不等于已经形成商业产品或客户交付。现阶段更准确的判断是：她正处于从博士阶段论文合作转向依托复旦—上智院平台开展“学术研究—科学计算场景—产业生态”协同的早期阶段。
六、重要奖项与学术兼职
| 奖项/兼职 | 时间 | 说明 |
|---|---|---|
| NeurIPS论文发表 | 2021、2022、2023、2025 | 官方主页列出核/神经bandit、动态系统模拟推断、混沌吸引子不变测度、层级神经模拟器等工作 |
| ICML论文发表 | 2024、2026 | 包括Deep stochastic mechanics及PDE代理模型网格优化；后者为官方主页列示成果 |
| CVPR论文发表 | 2025、2026 | 包括嵌套扩散模型与残差连接对生成表征学习影响的研究 |
| ICLR论文发表 | 2025 | PMDformer长时序预测工作，官方主页列为合作者 |
| AISTATS论文发表 | 2026 | Accelerating PDE Surrogates via RL-Guided Mesh Optimization，官方主页列示 |
| 上海科学智能研究院AI科学家 | 2025年8月至今 | 现任岗位，不等同于竞争性个人奖项 |
| 学术兼职 | 公开资料未披露 | 暂未发现可确认的期刊编委、会议领域主席或程序委员会职务 |
需注意，顶级会议论文是学术成果和合作网络的指标，并非个人获奖。个人主页未列出可独立确证的奖项、人才计划或学术兼职，因而不以推测补充。
七、Connection圈层总结
姜若曦的关系网络可概括为四个递进圈层。第一圈层是芝加哥大学博士阶段形成的长期学术网络：Rebecca Willett为合作最连续的资深学者，Michael Maire构成视觉与生成模型的关键资深合作节点，Peter Y. Lu、Xiao Zhang等为多篇工作的高频同行合作者。这里的核心价值在于统计学习、计算机视觉与科学机器学习的交汇；但正式博士导师名单仍应保持审慎表述。
第二圈层是跨学科科学模拟网络：Pedram Hassanzadeh、Karan Jakhar以及PDE代理模型论文中的多位合作者，将机器学习方法同湍流、动力系统和数值计算问题连接起来。第三圈层是国内AI4Science与时序建模合作网络，包括Zenglin Xu、Yuan Qi等论文合作者；这些连接显示她入职后研究议题已进入更广泛的国内科学智能协作场景。第四圈层是复旦AI³院—上智院的组织与生态网络：在漆远领导的双平台体系中，她作为青年双聘PI获得招生、算力、科学数据与产业协同的潜在接口，但目前没有证据支持将此界定为直接师承或具体企业合作。
因此，她的网络特征不是以既有大规模学生群体或企业项目为中心，而是以博士阶段建立的国际论文合作为知识源头，以新近搭建的复旦—上智院双聘平台为扩展支点。对外合作的合理切入点，是围绕长期稳定的物理系统模拟、层级生成表征、科学计算代理模型和可信不确定性量化展开；对其学术领导力的评估，则应关注其未来数年独立招生、学生培养、项目组织与成果转化的持续披露。