欢迎加入我们的新实验室“The Ψai Lab——TowardsScientific AI rooted in Fundamental Physics” ，暨“基础物理+科学智能”研究组。我们目前正在开展的课题包括：1）开发基于物理、数学第一性原理的智能异常检测算法，在世界最大的粒子对撞机上探索各类新物理信号；2）将第一性原理与生成式模型深度融合，建立破解量子色动力学之谜的全新方法论；3）利用粒子物理数据集这一绝佳试验场，系统研究AI的可解释性与鲁棒性；4）以物理概念为核心，创建新的AI基准测试体系，推动下一代科学智能、物理世界模型，以及另类智能的发展。我们寻找眼里有光的探索者，在这里，你将有机会与全球顶尖学府的教授学生们并肩协作，共同打造一支国际化的年轻学术团队，一起点燃思想火花，探索物理学与智能本质的未知前沿。

[1] T. Cai, A. Bhargava, B. Nachman, Optimal Transport Event Representation for Anomaly Detection, arXiv:2512.04839.

[2] X. Ai et al, New physics search at the CEPC: a general perspective, Chinese Phys. C 49 123108, arXiv:2505.24810.

[3] L. Brennan, T. Vami, O. Amram, S. Sekhar, Y. Takahashi, L. Moureaux, M. Sommerhalder, P. Maksimovic, T. Cai, N. Craig, Weakly Supervised Anomaly Detection with Event-level Variables, Phys. Rev. D 112, 055040, arXiv:2504.13249.

[4] T. Cai, N. Craig, K. Craig, and X. Lin, Multiscale Optimal Transport for Complete Collider Events, Phys. Rev. D 112, 036021, arXiv:2501.10681.

[5] T. Cai, F. Charton, K. Cranmer, L. Dixon, G. Merz, N. Nolte, and M. Wilhelm, Recurrent Features of Amplitudes in Planar N = 4 Super Yang-Mills Theory, J. High Energ. Phys. 2025, 143 (2025), arXiv:2501.05743.

[6] T. Cai, J. Cheng, N. Craig, G. Koszegi, and A. Larkoski, The Phase Space Distance Between Collider Events, J. High Energ. Phys. 2024, 54 (2024), arXiv:2405.16698.

[7] T. Cai, F. Charton, K. Cranmer, L. Dixon, G. Merz, N. Nolte, and M. Wilhelm, Transforming the Bootstrap: Using Transformers to Compute Scattering Amplitudes in Planar N = 4 Super Yang-Mills, Mach. Learn.: Sci. Technol. 5 035073, arXiv:2405.06107.

[8] T. Cai, F. Charton, K. Cranmer, L. Dixon, G. Merz, N. Nolte, and M. Wilhelm, Transformers for Scattering Amplitudes, NeurIPS 2023 workshop on Machine Learning and the Physical Sciences.

[9] I. Banta, T. Cai, N. Craig, and Z. Zhang, Structures of Neural Network Effective Theories, Phys. Rev. D 109, 105007, arXiv:2305.02334.

[10] T. Cai, J. Cheng, K. Craig, and N. Craig, Which Metric on the Space of Collider Events?, Phys. Rev. D 105, 076003, arXiv:2111.03670.

[11] H. Al Ali et al, The Muon Smasher’s Guide, Rep. Prog. Phys. 85 084201, arXiv:2103.14043.

[12] T. Cai, J. Cheng, B. Schmitzer, M. Thorpe, The Linearized Hellinger-Kantorovich Distance, SIAM Journal on Imaging Sciences Vol. 15, No. 1, pp. 45-83, arXiv:2102.08807.

[13] T. Cai, J. Cheng, K. Craig, and N. Craig, Linearized Optimal Transport for Collider Events, Phys. Rev. D 102, 116019, arXiv:2008.08604.

    目前主要招募硕士研究生、短期科研助理，以及本科科研助理。导师将根据学生的个人兴趣和能力确认研究课题，学生有机会参与完整课题研究的各类工作，包括：

1. 数据集建立：学习使用国际标准蒙特卡洛模拟软件，生成各类粒子对撞信号。

2. 物理推导与算法开发：物理、数学公式的系统推导，以及基于第一性原理的智能算法研发。

3. 模型与智能体的搭建与优化：各类深度学习模型、AI智能体的重构、优化与理解。

4. 基准测试平台开发：对创新方法的工具化封装，测试平台的开发、优化与维护。

5. 另类智能研发：研发有别于现有计算框架的另类智能，包括软件与硬件层面。

    我们期待见证未来科学家的诞生。愿你在此收获的，不仅是技能与经历，更是挑战自我、直面未知的勇气，思维的深度与创造力，以及那份弥足珍贵的科学精神。

    我们希望遇见这样的你：

1. 对探索事物本源有浓厚兴趣，不轻言放弃、认真严谨，能在老师的指导下，坚持将完整的科研项目从头做到底（每个课题平均周期一年），充分享受探索未知的全过程。

2. 具备很好的自学能力，积极好问，主动性强，对物理、数学及AI理论有着强烈爱好。

3. 具有扎实的Python编程能力、一定的计算科学基础知识。有PyTorch、sckit-learn等软件库使用经验者优先。

4. 具备良好的英文阅读与写作能力，能够进行基本的英文学术沟通。

    “知之者不如好之者，好之者不如乐之者。”故兴趣品格志向为重，能力可以慢慢培养。：）