助理教授 · 國立臺灣大學資訊工程學系
Shih-Hsin Wang 王士欣
我專注於發展兼具理論基礎與實用性的機器學習方法，研究主題涵蓋 geometric deep learning、生成模型，以及 AI for Science。我關注如何將直覺轉化為有理論支撐、可靠且高效的工具，並應用於分子、生物與其他科學問題。
最新消息
完整經歷 →筆記
所有筆記 →研究方向
- Geometric Deep Learning Equivariant graph neural networks and expressive geometric graph representations.
- Generative Models Diffusion models, flow matching, single-step models, and test-time guidance.
- AI for Science Modeling complex structures like molecules and proteins.
代表著作
所有著作 →ICML 2026 GenBio [Spotlight]
ICML 2026