一、基本情况
李金金,博士,教授,博士研究生导师,国家重点引才计划青年人才(2016)
电子邮件:lijinjin@sjtu.edu.cn
研究领域:AI for Science
二、教育背景
2012-2014博士后,化学系,伊利诺伊大学厄巴纳-香槟分校,美国
2007-2012博士,物理系,上海交通大学,中国
三、工作经历
2025-至今教授,生命科学学院,湖北大学,中国
2021-2024教授,微纳电子系,上海交通大学,中国
2016-2021副教授,微纳电子系,上海交通大学,中国
2014-2016高级研究员,化学系,加利福尼亚大学圣塔芭芭拉分校,美国
四、研究经历
2012年获得上海交通大学物理系的博士学位。现为上海交通大学人工智能与微结构实验室(AIMS-Lab)主任、教授、博士生导师、国家高层次人才。李老师承担数千万人民币的国家和省部级科研经费,知识成果转化上亿元人民币,发表了4部个人学术专著,担任多家学术期刊的编委,并发表了近200篇SCI科研论文,其中包括40多篇影响因子大于10的论文。开发AI for Science方向的软件和平台50余个。基于人工智能算法设计,李金金团队整合了第一性原理计算、量子化学、集成学习、迁移学习等算法,并通过大模型和小模型的协同进化开发、应用Tensorflow和Keras等深度学习框架,解决了生物学和材料科学中的瓶颈问题。
生物信息学:
团队以蛋白质功能性应用为导向,融合量子力学、分块算法、势能面模型以及深度学习、迁移学习等人工智能算法,提出了针对蛋白质大分子的算法和模型,完成生物大分子数据库构建、性质功能预测和机制解析,实现工业酶的定向改造和应用。此项开发可以有效解决后Alphafold时代蛋白功能预测问题,特别是酶类产品的快速批量化功能预测。基于已有发现和未来持续的开发,可以将生物合成推进到快车道,使中国在生物合成和蛋白涉及领域实现弯道 超车。经过多年的积累,AIMS-Lab团队在生物信息学领域形成了数百万条专业的内部AI数据 库,包括蛋白质序列-向量词典(SVD)、氨基酸残基数据库和残基数据库。从小分子药物、肽、 中间体、核酸到大分子抗体、病毒和酶蛋白,团队开发了多种人工智能算法,将AI蛋白质计算 效率提升1万倍以上,其工作包括AlphaBio(用于生物分子设计和发现的人工智能平台,版权 号2022SR1040916)、SeqEmbedding-DDG(用于预测蛋白质突变亲和力的人工智能软件,版权 号2022SR0405169)、HUSML(用于预测氨基酸突变对蛋白质折叠自由能影响的无监督和监督 机器学习方法,版权号2022SR1040914)、Deep-transfe(r基于迁移学习的大分子数据建模软件, 版权号2022SR1360127)和RI-GNN(基于图神经网络坐标变换的生物分子功能预测软件,版 权号2022SR1393927)等。
材料信息学:
随着材料数据的爆炸性增长和相应AI模型的多样化,迫切需要一系列自动化的数字和智能 数据库平台及集成材料设计平台,以形成材料智能研发生态,这对材料数据的融合存储共享和AI模型的适用性提出了许多新要求。因此,除了在材料智能设计领域进行纵向深入研究外,李 金金团队还关注大型材料数据库和集成材料设计平台的建设,以填补该领域的空白。例如,建 立了二维杂化钙钛矿数据平台2DPP(数据量>300000)、超离子导体数据平台IonML(数据 量>140000)、半导体有效质量数据库(数据量>140000)、石榴石电子导电性数据库(数据 量>50000)、重金属离子和多硫化物吸附能量数据库(数据量>20000)等。提出的AI for Science 平台包括:化学反应的无监督定向设计和活化能预测软件(UADDCR,版权号2020SR1169307)、 基于人工智能的离子迁移和活化能预测软件(AI-IMAE,版权号2021SR1336972)、基于深度学 习的过渡金属化合物掺杂体系性能预测平台(DeepTMC,版权号2021SR1376010)、结合监督 和无监督模型的范德华异质结设计软件(ISU-HDP,版权号2021SR2212367)、材料设计和发现 的人工智能平台(AlphaMat,版权号2022SR0405168)、基于迁移学习的低成本材料数据建模平 台(Mat-Transfer,版权号2022SR1364423)、基于深度学习的化学可解释有效质量预测平台(CEEM,版权号2023SR0899511)等。这些公共数据库和软件平台已被清华大学、马里兰大学、南京大学、华中科技大学、电子科技大学等研究团队使用,下载量超过100000次,总访问和使用量超过200000次。
五、代表性论文
发表论文详见如下链接:https://aimslab.cn/#/publications

(2025年4月更新)