上海交通大学，自然科学研究院，教授
Hao Wu / 吴昊
Professor
Institute of Natural Sciences
School of Mathematical Sciences
Shanghai Jiao Tong University
hwu81 [at] sjtu.edu.cn
我是上海交通大学自然科学研究院与数学科学学院教授。我的研究聚焦于机器学习、分子模拟与科学计算的交叉领域，主要关注分子体系的 AI 生成模型及其热力学与动力学建模。同时，我也致力于物理信息机器学习、不确定性量化，以及复杂随机动力系统的学习方法等方面的研究。
课题组长期招收博士研究生和博士后，欢迎对相关方向感兴趣的同学与我联系。
研究
1. AI for molecular dynamics
面向分子体系热力学与动力学的机器学习方法。
Thermodynamics
利用生成模型与能量模型高效采样分子体系的平衡分布，并刻画其自由能景观。
Boltzmann 分布采样 · 增强采样 · 自由能估计 · 重加权
Kinetics
从平衡模拟与偏置模拟数据中学习分子体系的长时间尺度动力学与慢过程。
反应坐标学习 · 过渡态识别 · 马尔可夫状态模型 · 转移算子 · 动力学重加权
2. Uncertainty quantification
面向科学计算的可靠机器学习方法，给出有原则的误差估计。
Scientific ML
面向偏微分方程与算子学习的不确定性量化方法。
神经算子 · 隐变量模型 · 数据驱动的模型修正
Bayesian Inference
面向高维反问题与随机系统的高维贝叶斯方法。
物理信息学习 · MCMC · 后验采样
工作与教育经历
科研与学术工作经历
2024 至今
2023
上海交通大学，自然科学研究院，副教授
2018–2023
同济大学，数学科学学院，教授
2017–2018
德国柏林 Zuse 研究所，“Machine Learning for Time Series” 研究组，组长
博士后工作经历
2007–2018
德国柏林自由大学 （Frank Noé 课题组）
教育经历
2002–2007
清华大学，计算机科学与技术，博士
1998–2002
清华大学，计算机科学与技术，学士
代表论文完整列表 → google scholar
[13]
L. Ma, L. Guo, H. Wu, T. Zhou. Deep set based operator learning with uncertainty quantification. J. Comput. Phys. 562, 115011, 2026.
[12]
Y. Wang, H. Wu, S. Olsson. Marginal Girsanov reweighting: Stable variance reduction via neural ratio estimation. J. Chem. Theory Comput., 2026.
[11]
M. Zhang, Y. Wang, B. G. Keller, H. Wu. π-Girsanov: A generalized method to construct Markov state models from non-equilibrium and multiensemble biased simulations. J. Chem. Phys. 165, 074112, 2026.
[10]
L. Guo, H. Wu, X. Yu, T. Zhou. Monte Carlo fPINNs: Deep learning method for forward and inverse problems involving high dimensional fractional partial differential equations. Comput. Methods Appl. Mech. Eng. 400, 115523, 2022.
[9]
M. Hoffmann, M. Scherer, T. Hempel, A. Mardt, B. de Silva, B. E. Husic, S. Klus, H. Wu, N. Kutz, S. L. Brunton, F. Noé. Deeptime: a Python library for machine learning dynamical models from time series data. Mach. Learn.: Sci. Technol. 3, 015009, 2022.
[8]
H. Wu, J. Köhler, F. Noé. Stochastic normalizing flows. NeurIPS 33, 2020.
[7]
H. Wu, F. Noé. Variational approach for learning Markov processes from time series data. J. Nonlinear Sci. 30, 23–66, 2020.
[6]
F. Noé, S. Olsson, J. Köhler, H. Wu. Boltzmann generators: Sampling equilibrium states of many-body systems with deep learning. Science 365, eaaw1147, 2019.
[5]
A. Mardt, L. Pasquali, H. Wu, F. Noé. VAMPnets for deep learning of molecular kinetics. Nat. Commun. 9, 5, 2018.
[4]
H. Wu, A. Mardt, L. Pasquali, F. Noé. Deep generative Markov state models. NeurIPS 31, 2018.
[3]
S. Klus, F. Nüske, P. Koltai, H. Wu, I. Kevrekidis, C. Schütte, F. Noé. Data-driven model reduction and transfer operator approximation. J. Nonlinear Sci. 28, 985–1010, 2018.
[2]
H. Wu, F. Paul, C. Wehmeyer, F. Noé. Multiensemble Markov models of molecular thermodynamics and kinetics. Proc. Natl. Acad. Sci. USA 113, E3221–E3230, 2016.
[1]
J.-H. Prinz, H. Wu, M. Sarich, B. Keller, M. Senne, M. Held, J. D. Chodera, C. Schütte, F. Noé. Markov models of molecular kinetics: Generation and validation. J. Chem. Phys. 134, 174105, 2011.
学生与毕业生
在读博士生
Yuting Liang, Zhicheng Zhang, Shun Yang, Zhangqi Wu
毕业生
2021–2026
Yan Wang · Ph.D.
Senior Scientist, AstraZeneca
2023–2025
Mingyuan Zhang · 访问学生
Master student, Universitat de Barcelona
2020–2023
Xiaochen Yu · 硕士
Data Analyst, Data Management and Application Department, Bank of Shanghai
2019
Fangqing Liu · 本科
蚂蚁集团高级算法工程师
教学
研究生课程
偏微分方程数值解
最优化方法
科学问题的计算建模
深度学习
数据可视化
计算数学专题
有限差分方法 · 有限元方法 · 最优化 · 谱方法
本科课程
概率论与数理统计
深度学习及其应用
动态
2026-10
受邀在瑞士卢加诺举行的 CECAM Workshop "From Data to Dynamics" 上作报告，题目为 "From biased simulations to unbiased kinetics: Girsanov reweighting and marginal ratio estimation"。
2026-10
与 X. Wang、L. Guo、L. Ju、X. Guan 合作的 A novel spatial correlation regularized score filter for high-dimensional data assimilation under sparse observations 发表于 J. Comput. Phys.
2026-10
与 W. Zhou、X. Feng、L. Guo 合作的 Latent representation learning based model correction and UQ for PDEs（arXiv）被 J. Comput. Phys. 接受。
2026-09
与 Y. Wang、S. Olsson 合作的 Marginal Girsanov reweighting [12] 被 J. Chem. Theory Comput. 接受。
2026-08
与 M. Zhang、Y. Wang、B. G. Keller 合作的 π-Girsanov [11] 被 J. Chem. Phys. 接受。
2026-08
与 L. Ma、L. Guo、T. Zhou 合作的 Deep set based operator learning with uncertainty quantification [13] 发表于 J. Comput. Phys.
2023
加入上海交通大学自然科学研究院。