Zhenzhi Tan

我是谭臻至，清华大学化学系、基础分子科学中心在读博士研究生，研究方向为有机化学与 AI4Science，导师为罗三中教授。我的研究兴趣集中在 AI4Chem、数据驱动的有机合成反应发现、主动学习优化、自动化 DFT 描述符计算和合成模型可靠性评估。

English · 中文 CV · English CV

教育背景

• 清华大学，化学系，基础分子科学中心，在读博士研究生，有机化学（AI4Science），导师：罗三中教授，2024.09 至今
• 清华大学，化学系，理学学士，GPA: 3.90/4.00（排名 2/25），清华大学优秀毕业生，2020.09 - 2024.07

科研项目

数据驱动的协同催化反应发现与主动学习优化平台
项目负责人（NSFC 博士研究生项目），2024.03 至今

• 面向小样本、高噪声有机合成实验场景，设计并开发基于贝叶斯优化的主动学习算法。
• 实现自动化 DFT 计算描述符提取工作流，适配贝叶斯优化算法，打通从“反应设计-分子特征提取-主动学习优化”的一站式全链路优化平台。
• 仅通过 63 次合成实验，完成超 180 万规模反应空间的全局优化，显著提升反应发现效率。

高精度 Ullmann 反应预测模型与 SynAD 算法可靠性框架
项目负责人（NSFC 本科生项目），2023.09 - 2025.10

• 深度融合物理有机化学知识，系统开发自动化 DFT 计算描述符计算流程，主导构建高精度 Ullmann 反应产率预测模型。
• 针对 AI 模型在化学合成中的“外推陷阱”，提出 Synthetic Applicability Domain (SynAD) 框架，建立模型在未知化学空间中的不确定性评估机制。
• 在 Ullmann 反应数据集等 7 个自建与公开数据集上评估，证明 SynAD 能有效过滤不可靠预测结果，提高模型可靠性。

基于计算机视觉的高分子共聚物相容性预测
第二作者，2022.05 - 2023.07

• 构建深度卷积神经网络（CNN）视觉模型，实现对聚合物 SEM 微观图像的大规模特征自动提取。
• 完成材料相容性等核心物理性质的快速自动表征，替代传统低效的人工分析流程。

个人技能

• 编程与开发： Python（熟练使用 PyTorch、Scikit-learn、Numpy、Pandas 等），C++（基础），SQL，Linux/Bash，Git
• AI4Chem： 熟练应用 RDKit、DeepChem 等化学信息学工具，熟练进行 DFT 计算（Gaussian、ORCA、xTB 等）

学术活动与个人荣誉

• 第 74 届林岛诺贝尔奖获得者大会青年科学家代表，2025
• Best Poster Award at Nature Conference on Automation for Chemistry，2025
• Best Poster Award at International Conference of Computational Organic-synthesis Catalysis，2025
• 侯德榜奖学金，2024
• 清华大学优秀毕业生，2024
• 国家奖学金，2022
• 清华大学综合奖学金，2021
• 第 33 届中国化学奥林匹克（CChO）金牌，2019