个人资料
教育经历2020-2023 中国科学院大学 运筹学与控制论 博士研究生 导师：郭田德 2018-2020 中国科学院应用数学研究所 概率论与数理统计 硕士研究生 导师：巩馥洲 2014-2018 中国科学院大学 数学与应用数学 本科 导师：巩馥洲 2011-2014 西安高新第一中学高中部 高中 工作经历
2023-至今 南开大学统计与数据科学学院 讲师
个人简介赵尉辰，南开大学统计与数据科学学院讲师，硕士生导师。2018年获得中国科学院大学数学与应用数学专业学士学位，2023年获得中国科学院大学运筹学与控制论专业博士学位，主要研究方向为数学与人工智能交叉，包括图神经网络及其应用、采样算法与生成模型。主持国家自然科学基金青年基金一项，作为项目骨干参与国家重点研发计划、国家自然科学基金天元基金交叉重点专项等项目多项。以第一/通讯作者在ICML, KDD, Neural Networks等人工智能顶级会议与期刊发表学术论文多篇。 英文主页：https://weichenzhao1996.github.io/WeichenZhao.io/index.html News: 招收硕士研究生(主观能动性强，对数学与人工智能交叉领域感兴趣)，欢迎有意向的同学通过邮件联系：zhaoweichen@nankai.edu.cn 2025/11/02 论文 The Maximum Wiener Index of Oriented Graphs 被 AMC 接收。 2025/10/25 指导本科三年级学生投稿一作论文 Fusion is the Link: Training-free Zero-shot Video Generation from Text-to-Image Diffusion. 2025/05/01 论文 Sampling from Binary Quadratic Distributions via Stochastic Localization 被 ICML 接收。 研究领域采样与生成模型，包括马尔科夫链蒙特卡洛等采样算法、扩散模型、流模型等生成模型及在图像生成、生物信息、组合优化领域的应用； 图深度学习方法及应用，包括图表示学习、图生成模型、及在生物信息、组合优化领域的应用； 深度学习理论，包括深度神经网络的优化理论、表示理论、泛化理论。 教学工作2025-2026 秋季学期 本科生 随机分析 课程主页：https://weichenzhao1996.github.io/WeichenZhao.io/STAT0041-2025.html 2024-2025 春季学期 本科生 随机过程 课程主页：https://weichenzhao1996.github.io/WeichenZhao.io/STAT0008-2025.html 2024-2025 秋季学期 本科生 随机分析 2023-2024 秋季学期 本科生 数学分析I习题课 科研项目2025.01-2027.12 国家自然科学基金青年基金，图深度学习表示与优化理论的关键问题研究，项目负责人 2021.11-2026.11 国家重点研发计划“数学与应用研究”专项项目，复杂感知系统博弈演化理论与应用，项目骨干 2024.01-2025.12 国家自然科学基金数学天元基金交叉重点专项，指导蛋白质设计与改造的AI模型与系统，项目骨干 2025.01-2026.12 国家自然科学基金数学天元基金交叉重点专项，结合高维统计与人工智能的抗体类药物筛选、优化及脱靶研究，项目骨干 2025.03-2026.03 天津市自然科学基金多元投放重点项目，基于多警种领域知识融合的开源情报智能分析技术研究，项目骨干 博士期间： 国家自然科学基金重大项目课题，组合优化的人工智能求解方法及其应用，参与 国家自然科学基金重点项目，数据与模型混合驱动的数据逐级再表达的优化理论与方法，参与 国家自然科学基金重点项目，复杂环境下样本生成与目标识别的方法及其应用，参与 论文著作Wang, C.#, Cui, K.#, Zhao, W.* & Yu, T.* (2025). Sampling from Binary Quadratic Distributions via Stochastic Localization. Accepted by ICML'25. arXiv preprint arXiv:2505.19438（* Corresponding Author） Zhao, W., Wang, C., Wang, X., Han, C.*, Guo, T., & Yu, T. (2025). Understanding Oversmoothing in Diffusion-Based GNNs From the Perspective of Operator Semigroup Theory. KDD'25. Association for Computing Machinery, 2043–2054. https://doi.org/10.1145/3690624.3709324 Meng, X., Zhang, W., & Zhao, W. (2025). The Maximum Wiener Index of Oriented Graphs. Accepted by Applied Mathematics and Computation.（Alphabetic order） Zhao, W., Guo, T., Yu, X., & Han, C.* (2023). A learnable sampling method for scalable graph neural networks. Neural Networks, 162, 412-424. https://doi.org/10.1016/j.neunet.2023.03.015. Zhao, W., Wang, C., Han, C.*, & Guo, T. (2023). Exploring over-smoothing in graph attention networks from the Markov chain perspective. FAIML'23. Association for Computing Machinery, https://doi.org/10.1145/3616901.3617022 Yan, Y.#, Li, Z.#, Li, B., Zhao, W.*, & Wang, R.* (2025). Fusion is the Link: Training-free Zero-shot Video Generation from Text-to-Image Diffusion. Submitted.（* Corresponding Author） Wang, C., Zhang, X., Cui, K., Zhao, W.*, Guan, Y., & Yu, T.* (2025). Importance Weighted Score Matching for Diffusion Samplers with Enhanced Mode Coverage. arXiv preprint arXiv:2505.19431.（* Corresponding Author） Zhou, Z.#, Liu, S.#, & Zhao, W.* (2024). FlexiDrop: Theoretical Insights and Practical Advances in Random Dropout Method on GNNs. arXiv preprint arXiv:2405.20012.（* Corresponding Author） Cui, K., Wang, X., Zhang, Z., & Zhao, W.(2024). Graph Neural Aggregation-diffusion with Metastability. arXiv preprint arXiv:2403.20221.（Alphabetic order） Zhao, W., Wang, C., Han, C.*, & Guo, T. (2022). Comprehensive Analysis of Over-smoothing in Graph Neural Networks from Markov Chains Perspective. arXiv preprint arXiv:2211.06605. 学术交流荣誉奖励
2022年中国科学院数学与系统科学研究院院长奖学金
学术成果 |