博士奖学金：面向光电应用的生成式 AI 分子设计

项目977 · University of Warwick - Centre for Doctoral Training in the Modelling of Heterogeneous Materials (HetSys), School of Engineering · University of Warwick - Centre for Doctoral Training in the Modelling of Heterogeneous Materials (HetSys), School of Engineering

所在国家或地区: 英国
申请截止日期: 2026-08-28（具体时刻请核对原始公告）
资助信息: 面向英国申请者；覆盖全额学费、研究培训预算和免税生活津贴（26/27 学年 UKRI 标准为 £21,805）

申请工作台

保存项目，围绕当前机会准备申请。截止日期和资格请以原始公告为准。

登录后保存项目或使用申请工具

阅读项目调研与申请判断

项目介绍

项目概览

该博士课题隶属于 University of Warwick 的 HetSys（Modelling of Heterogeneous Systems）与 School of Engineering 体系。

导师为 Dr Zsuzsanna Koczor-Benda。

项目聚焦分子光电材料的生成式 AI 设计，目标是为超灵敏检测、纳米电子学和医学成像寻找兼具性能、稳定性与可合成性的候选分子。

申请信息显示，该资助面向英国申请者，截止日期为 2026 年 8 月 28 日。

项目详情

【研究背景】

项目介绍指出，分子光电器件在超灵敏检测、纳米尺度电子学和医学成像方面具有很高潜力，但真正可用的分子并不容易找到。原因在于，这类器件需要同时满足优异的光学与电子性能、足够的稳定性，以及较低的合成难度。现有 AI 工具虽然能够在巨大的化学空间中搜索，但常常提出不稳定或难以制备的分子，因此“能找到”与“能做出来、能用起来”之间仍然存在明显差距。

【研究目标与方法】

该项目拟建立一个生成式 AI 框架，把机器学习预测与量子化学模拟结合起来，用于设计稳定、可合成且高性能的分子。研究路线并不只关注单一指标，而是强调多目标优化：一方面要兼顾光学、电学和结构稳定性，另一方面也要考虑实际合成路径的可行性。项目还将引入多保真主动学习（multi-fidelity active learning），通过逐步筛选和反馈来提高候选分子的发现效率，形成一条更接近实际材料发现流程的路径。换句话说，这项研究不仅是在化学空间里“找分子”，也在构建一套能够不断校正、不断收敛的材料发现流程，让机器学习、量子化学和设计判据在同一框架中循环工作。

【研究环境与协作】

HetSys 强调跨学科研究平台与协作式训练。项目说明提到，学生会在科学、工程和数学交叉的环境中工作，并与更广泛的研究者社区及产业伙伴保持联系。对这项课题来说，分子设计、量子化学计算、机器学习流程和多目标优化都需要在统一的建模与仿真平台上反复迭代，因此研究环境本身就是方法的一部分。申请者需要能够把化学直觉、计算流程和材料应用需求放在一起思考，而不是只做单点算法开发。

【导师/团队信息】

HetSys 是 University of Warwick 的跨学科全额资助博士培养项目，强调数据、建模与仿真在真实问题中的应用。项目说明中提到，该培养环境把科学、工程和数学结合起来，学生会接触物理、工程、计算机科学与应用数学等多个方向的训练。对本课题而言，这意味着研究不仅依赖算法和计算，也依赖对材料与分子物理化学问题的理解，以及与更广泛建模、仿真训练体系的衔接。项目的价值不只在于单次分子筛选，而在于把模型预测、量子化学验证和后续材料评估串成一条可迭代的工作流，使候选分子能够更接近真实器件开发需求。研究推进时也需要在协作平台上持续比较不同候选分子的稳定性、可合成性和器件相关指标，以便把计算结果真正转化为可追踪的材料决策。公开信息虽然没有逐条列出计算设施，但从 HetSys 的定位看，跨学科协作和仿真训练本身就是课题运行的重要支撑。

申请要点

申请页面显示，该奖学金面向英国申请者，属于全日制 PhD 项目。
资助内容包括全额大学学费、研究培训预算，以及免税生活津贴；公开信息注明 26/27 学年的标准 UKRI 津贴为 £21,805。
申请与资助时间：Placed On 为 2026 年 8 月 9 日，截止日期为 2026 年 8 月 28 日。
课题方向与机器学习、量子化学、分子设计、多目标优化、主动学习和计算材料研究密切相关。
公开信息未明确列出硬性的前置学科要求，也未展开申请材料清单。

需要进一步确认

是否存在除“英国申请者”之外的其他资格限制。
申请材料是否包括研究计划、推荐信、成绩单或面试环节。
项目介绍未进一步说明候选人需要具备的具体编程语言、化学软件或实验背景。

核对原始项目信息

收录来源可能是学校或招聘平台；正式申请入口及最新要求请核对公告与下方报告中的官方来源。

项目深度调研报告

报告生成记录：2026-08-10。生成日期不代表招聘方确认项目仍开放。

资料更新记录：2026-08-10。申请前请再次核对原始公告。

博士项目研究报告：面向光电应用的生成式 AI 分子设计

执行结论

推荐标签：有吸引力，但需核实匹配度。这是一个很强的计算分子与材料方向机会，适合那些证据落在 Python/HPC、量子化学或原子尺度建模，以及基于机器学习的分子设计交叉点上的申请者。对 UK Home 申请者而言，这个项目的信号最强，因为 Warwick 的官方项目页和资助页都说明这是一个全额资助的四年制 HetSys 博士，并列出了 Home/UK 学费及 2026/27 学年的免税津贴 GBP 21,805（official project page；Warwick Engineering funding page）。

核心优势很明确：项目技术路线具体，导师近年的论文与面向光电或太赫兹应用的生成式分子设计高度一致，HetSys 提供了与建模和科学软件直接相关的 CDT 训练，而 Warwick 也具有可信的学校背景信号。主要不确定性仍在具体执行层面，申请前需要核实：海外资助尚未确认，Birmingham 合作方的角色没有展开，公开信息未明确列出算力资源，且项目本身需要严格验证，避免生成出“看起来合理、但实际上不稳定、不可合成或不具实验价值”的分子。

学校、项目与地点信号

学位环境是 University of Warwick 的四年制 Modelling of Heterogeneous Systems PhD，由 School of Engineering 下的 HetSys Centre for Doctoral Training 负责。Warwick 的课程页说明，HetSys 面向物理科学、数学和工程跨领域招生，并训练学生使用数学和计算建模处理 heterogeneous materials 问题（programme page）。第一年的结构对这个项目尤其有帮助，核心训练包括量子与原子尺度建模、连续与介观建模、科学软件开发、预测建模和不确定性量化。

HetSys 本身也非常匹配，因为其官网将其描述为一个以 Warwick 科学计算社区和 Warwick Centre for Predictive Modelling 为基础的 EPSRC-supported CDT（HetSys homepage）。其资格说明页确认了类似 PGDip 的训练结构，包括多尺度建模、软件开发、预测建模，以及可选的量子化学和电子结构内容（HetSys qualifications）。这很重要，因为该 PhD 并不是一个狭义的 ML 项目；它需要化学空间生成、基于物理的验证、不确定性处理和稳健的软件实现。

从学校整体背景看，Warwick 的实力较强，但不应把它理解为单一排名指标就足以概括的保证。QS 将 Warwick 列为 2027 世界大学排名全球第 =68 位（QS Warwick profile）；THE 将 Warwick 列为 2026 全球第 =122 位，其中 Physical Sciences 位于 101-125 档，Engineering 位于 176-200 档（THE Warwick profile）。Warwick 自身的研究认可页面称，其 92% 的研究在 REF 2021 中被评为 world-leading 或 internationally excellent（Warwick research recognition）。整体解读是正面的，但边界也很清楚：这个项目的关键说服力更多来自 HetSys 的匹配度和导师论文，而不是 headline rankings 本身。

与伦敦或英格兰东南部相比，Coventry 在生活成本上更友好，不过预算仍然需要认真计算。QS 将 Coventry 描述为英国学生城市中相对可负担的一座，并指出其与大学和制造、设计历史相关的毕业生就业优势（QS Coventry city profile）。

导师与实验环境评估

导师研究方向

主导师 Dr Zsuzsanna Koczor-Benda 在 Warwick Chemistry staff directory 中列为 Assistant Professor，研究兴趣包括机器学习加速的电子结构方法，以及面向量子传感和成像应用的分子设计（Warwick Chemistry staff directory）。她的组网页面则描述了面向发现具有光电性质分子的 AI 驱动分子模拟与设计，这与项目标题和方法非常直接吻合（Koczor-Benda group site）。

项目页还列出了 Dr Albert Bartok-Partay 作为 co-supervisor。他的 Warwick 简介显示其研究兴趣包括原子尺度材料建模、加速模拟方法、电子结构、density functional theory，以及基于 ab initio 数据的机器学习模型（Albert Bartok-Partay profile）。这种联合指导对于项目中间层工作可能很有价值，例如 ML interatomic potentials、tight-binding，或基于 DFT 的验证。

近期重要论文

Koczor-Benda 等人在 2025 年发表于 Digital Discovery 的 Generative design of functional organic molecules for terahertz radiation detection，是该项目最直接的前置工作。它把生成式有机分子设计与太赫兹或光电应用中的探测目标直接联系了起来（RSC article）。

2025 年发表于 Journal of Chemical Information and Modeling 的 Structural bias in three-dimensional autoregressive generative machine learning of organic molecules 尤其重要，因为它指出了该方向的一个核心风险：生成结果即使在结构上有效，也仍然可能存在化学偏置，并扭曲电子性质分布（Warwick WRAP record；PMC full text）。这也支持了项目强调多目标和多保真验证的必要性。

2021 年 Physical Review X 的 Molecular Screening for Terahertz Detection with Machine-Learning-Based Methods 为基于机器学习的太赫兹分子筛选提供了更早期的基础（Physical Review X DOI）。另外两篇 2023 年论文则补充了更广的量子化学方法深度，一篇涉及 electron-transfer rates（JPCL DOI），另一篇涉及 CAP-EOM-CC 方法中的 nonadiabatic couplings（JCTC DOI）。

实验平台、资源与协作环境

项目页说明，该 PhD 将产出一个模块化、可扩展、面向高性能计算的软件平台，以及带有性质和不确定性标注的分子数据集（official project page）。HetSys 学生信息也强调了稳健、可复用的软件，以及产业和国际合作伙伴网络（HetSys student information）。

目前缺失的关键信息主要是项目级别的。官方项目页提到 University of Birmingham 是项目合作方，但没有说明具体合作人、实验测试路径、数据贡献或指导分工；页面也没有明确列出 HPC 资源、代码开源预期或具体的量子化学软件包。

研究方向与领域前景

领域动向

该领域信号很强。2024 年 Nature Machine Intelligence 的综述将 ML 辅助分子设计描述为对巨大分子搜索空间的回应，但也强调了分子表示、生成式方法和优化策略等设计选择（Nature Machine Intelligence review）。2026 年 Nature Materials 的综述则描述了材料发现从 forward screening 向 reinforcement learning 和深度生成模型驱动的 inverse generation 转变（Nature Materials review）。2025 年 npj Computational Materials 的观点文章进一步指出，foundation models 在性质预测、retrosynthesis 和 molecular generation 中越来越重要，而 multimodal、多保真数据将成为未来方向（npj Computational Materials perspective）。

因此，这个项目是前沿且及时的，但也暴露在快速变化的方法竞争中。一个好的 PhD 版本不应只是训练一个时髦的生成模型，而应展示一套可辩护的工作流，用于化学空间探索、不确定性感知的性质预测、量子化学验证、稳定性判断和可合成性判断。

可能的研究切入点

官方项目页给出了一条很实用的路线图：化学空间中的生成式搜索、通过计算建模进行验证、多目标优化以兼顾光电性能、稳定性和可合成性、低成本 ML surrogate、中间层 ML interatomic potentials 或 tight-binding 计算，以及选择性的高水平 DFT（official project page）。

高价值的研究切入点包括：生成化学空间的偏置审计；能够平衡性能、不确定性与合成难度的 active-learning acquisition functions；从 surrogate models 到 DFT 的 multi-fidelity correction；与已知分子光电体系的 benchmark；以及可解释的结构-性质规则。这些方向与导师 2025 年关于 structural bias 的工作，以及当前对 transferability 的关注都高度一致。

职业与市场前景

对于能产出真实科学软件和建模能力的 PhD，职业市场是有利的。英国政府 2025 年的 R&D skills 报告覆盖了技能需求、难以招聘岗位，以及自动化、AI 和数字化在 R&D 劳动力中的重要性（DSIT R&D skills report）。EngineeringUK 也报告了英国工程与技术岗位的显著需求信号，包括工程和技术类角色在职位广告中占比很高（EngineeringUK references）。

相邻的政策信号同样偏正面。英国 National Quantum Strategy 包含对量子 R&D、传感、成像和技能的投入（National Quantum Strategy）。AI Opportunities Action Plan 以及 UKRI 的 AI Research and Innovation Strategic Framework 都表明，英国仍会持续强调 AI 采用和 AI-for-science 研究能力（AI Opportunities Action Plan；UKRI AI framework）。Royal Society of Chemistry 的劳动力评论也指出，化学科学雇主越来越重视数字技能、沟通、批判性思维和团队合作（RSC workforce report news；RSC Education skills article）。

资助、申请与生活成本

对于 UK Home 申请者，资助信号很强；对于海外申请者，则仍然不确定。官方项目页将其描述为 fully funded 四年制 PhD，而 Warwick Engineering 的资助页把资格写为 UK Home student，并给出 award value 为 Home/UK fees 加上 GBP 21,805 的免税津贴（official project page；Warwick Engineering funding page）。Warwick 的 PGR 学费表显示，2026/27 年 Home PGR fees 为 GBP 5,238，而 overseas Band 2 的 Chemistry、Engineering、Computer Science、Physics 和 WMG 学费为 GBP 33,110（Warwick PGR fees）。这个差额意味着必须核实 fee status。

关于生活成本，Warwick 的 student funding page 列出了一些扣除房租后的月度示例支出，包括 groceries GBP 153、socialising GBP 129、transport GBP 53、clothes GBP 35、phone GBP 15 和 health/wellbeing GBP 28，并提醒成本可能随通胀上升（Warwick living costs）。住房是最大的敏感项。Warwick 说明研究生宿舍名额有限，且符合条件的 PGR/PGT 学生需按先到先得方式预订（postgraduate accommodation guidance）。一个官方研究生宿舍示例 Benefactors 的单人 en suite 为每年 GBP 13,700，duplex studio 为 GBP 15,050（Benefactors residence fees）。这意味着选择更便宜的校外住房，可能对津贴舒适度更关键。

申请者匹配与准备

更适合的背景

这个项目最适合来自物理科学、化学、物理、材料科学、工程、数学、计算机科学或相邻计算学科的申请者，且需要能够证明自己同时具备数学建模和编程成熟度。官方候选人要求是至少 UK II(i) honours degree 或 integrated master's 同等学历，专业应属于 physical sciences、mathematics 或 engineering；项目页还说明，已有 PhD 学位者不被接受（official project page）。

最强的准备证据包括：Python 科学计算、Linux/HPC 使用、版本控制、分子模拟或量子化学课程、机器学习模型开发、不确定性感知评估，以及清楚解释化学和材料权衡关系的能力。

需要谨慎的情况

如果申请者只有通用 ML 经验，而缺少物理科学基础，则需要谨慎，因为该项目要求处理分子稳定性、可合成性和量子化学验证。纯实验背景的申请者也需要尽快证明自己的计算能力。国际申请者在资金问题未由导师或招生团队确认前，应把资助理解为未决。

可强化的技能与证据

项目页列出的关键技能包括 Python、高性能计算、分子筛选与设计、生成式 AI、科学机器学习、计算和量子化学建模、优化、数据库处理和分析（official project page）。HetSys 的入学前材料还提示量子力学、数学和 Python 是重要基础（HetSys student information）。较强的申请材料应当包含可复现的代码仓库、建模论文或项目、对化学数据格式的熟悉度，以及能够批判性评估生成分子，而不仅仅是优化 benchmark 分数的能力。

风险与待核实问题

高优先级问题

该 studentship 是否严格限制为 UK Home 申请者，还是海外申请者也可获得全额学费覆盖？
GBP 21,805 津贴是否适用于完整四年，并会随 UKRI 费率上调？
这个具体项目的准确截止日期是什么，且需要签证的申请者是否仍可在给定时间内完成流程？
University of Birmingham 合作方在指导、数据、实验还是验证中承担什么角色？
从一开始就有哪些 HPC 资源、软件包和数据集可用？
项目将如何量化可合成性、分子稳定性和光电性能？
第一年的里程碑是什么，尤其是生成模型、active-learning 回路和 DFT 验证？

中优先级问题

Dr Koczor-Benda、Dr Bartok-Partay 与合作方之间的导师分工如何安排？
生成的数据集和软件将开放、内部使用，还是受合作方限制？
是否有实验合作者承诺测试候选分子，以及触发测试的阈值是什么？
哪些可选 HetSys 模块最适合这个项目？
对 quantum chemistry 与 general ML 的背景，各自有多强的前置要求？

证据与来源