赵尉辰

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

2023-至今 南开大学统计与数据科学学院 讲师

赵尉辰，南开大学统计与数据科学学院，讲师。中国科学院大学首届本科生，2018年获得中国科学院大学学士学位，2023年获得中国科学院大学博士学位，主要研究方向为图神经网络及其应用、随机算法、深度学习理论。

英文主页：https://weichenzhao1996.github.io/WeichenZhao.io/index.html

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；

随机算法，包括马尔科夫链蒙特卡洛等随机采样算法、随机梯度下降等随机优化算法；

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。

2024-2025秋季学期 本科生 随机分析

课程主页：https://weichenzhao1996.github.io/WeichenZhao.io/STAT0041-2024.html

2023-2024秋季学期 本科生 数学分析I习题课

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，主持

2024.01-2025.12 国家自然科学基金数学天元基金-深圳“数学与智能+”交叉重点专项，指导蛋白质设计与改造的AI模型与系统，主要参与人

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

1. 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.

2. Zhao, W., Wang, C., Han, C., &  Guo, T. (2023). Exploring over-smoothing in graph attention networks from the Markov chain perspective. In Proceedings of the 2023 International Conference on Frontiers of Artificial Intelligence and Machine Learning.

3. Zhao, W., Guo, T., Yu, X., & Han, C. (2023). A learnable sampling method for scalable graph neural networks. Neural Networks, 162, 412-424.

4. Zhao, W., Wang, C., Wang, X., Han, C., Guo, T., & Yu, T. (2024). Understanding Oversmoothing in Diffusion-Based GNNs From the Perspective of Operator Semigroup Theory. Accepted by KDD 2025.

5. Cui, K., Wang, X., Zhang, Z., & Zhao, W. (2024). Graph Neural Aggregation-diffusion with Metastability. arXiv preprint arXiv:2403.20221.（Alphabetic order）

6. 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）

2022年中国科学院数学与系统科学研究院院长奖学金