中国人民大学青年英才，中国人民大学物理学院副教授。研究方向为量子物理数值方法、预训练模型压缩、AI辅助功能性晶体材料的发现与生成。基于矩阵乘积算符表示的神经网络、针对语音增强领域的模型压缩和小型化和面向预训练模型的轻量化微调与模型扩容三个方面，构建了基于矩阵乘积算符表示的理论方法。同时，应用人工智能方法辅助功能性新材料发现。已在本领域相关的国内外学术期刊和会议上发表论文四十余篇，涵盖ACL、NeurIPS、EMNLP、COLING等人工智能重要会议和National Science Review、Nature Computational Science等SCI重要期刊。其中，基于矩阵乘积算符实现预训练模型的过参数化过程的工作获得ACL2023最佳论文提名。基于AI方法加速寻找交错磁性材料被选为WOS高被引论文以及最受关注论文。研究成果被来自剑桥大学、斯坦福大学、Meta公司等科研机构的领域专家引用。主持多项基金，包括国家自然科学基金青年科学基金项目、国家自然科学基金面上项目、国家自然科学基金重点项目（子课题）、国家重点研发计划“物态调控”专项项目（子课题）、北京市自然科学基金交叉融合重点项目（子课题）与多项横向项目。

2021年7月-2024年6月：中国人民大学高瓴人工智能学院，博士后

2024年7月-2026年6月： 中国人民大学物理学院，讲师

2026年7月至今： 中国人民大学物理学院，副教授

Phys for AI:
大语言模型；模型压缩；模型扩容；
AI for Phys:
科学智能；AI驱动的功能性新材料发现； 物理信息人工智能理论与方法

常年招收博士/硕士研究生、实习生（包含本科生）

要求：1. 对科研工作富有热情 2. 勤奋好学 3. 有扎实的理论功底

指导学生（含联合指导）：

韩小琪，中国人民大学物理学院（博士生，2024年至今）

王馨德，中国人民大学物理学院（博士生，2024年至今）

李文考，中国人民大学物理学院（博士生，2025年至今）

王一昊，中国人民大学物理学院（博士生，2026年至今）

詹怿恒，中国人民大学物理学院（博士生，2026年至今）

毕业学生：

姚博文，中国人民大学物理学院（硕士生，2022年-2024年；中国科学院山西煤炭化学研究所）

• 2022-2023 春季: 人工智能概论（本科生课程）

• 2022-2023 秋季: 人工智能与物理学（本科生课程）

• 2024-2025 秋季: 人工智能与物理学（本科生课程）

• 2025-2026 春季: 诺贝尔物理学奖和现代物理学（本科生课程）

• 2025-2026 秋季: 人工智能与物理学（本科生课程）

• 2025-2026 秋季: 诺贝尔物理学奖和现代物理学（本科生课程）

• 2026-2027 春季: 诺贝尔物理学奖和现代物理学（本科生课程）

• 2026-2027 秋季: 人工智能与物理学（本科生课程）

主持项目：

1. 国家自然科学基金委，面上项目，大规模预训练语言模型的高效压缩方法研究(Nos. 62476278)，主持
   

2. 国家自然科学基金委，青年项目，大规模预训练语言模型的轻量化微调与模型扩容方法研究(Nos. 62206299)，主持

3. 北京市自然科学基金委, 交叉融合重点项目, AI赋能磁场下电输运物理机制与分类研究(Nos.Z260003)，主持

4. 北京市自然科学基金委, 交叉融合重点项目子课题, 基于生成式AI流的材料结构智能设计(Nos.Z250005)，主持

5. 国家自然科学基金委，重点项目子课题，强关联电子材料超快动力学的第一性原理多体计算方法研究（Nos.12434009)，主持

6. 北京市智源人工智能研究院，横向项目，基于矩阵乘积算符的多模态模型的轻量化微调，主持

7. CCF-智谱大模型项目，横向项目，基于张量分解的预训练模型压缩策略，主持

8. 中国科学院大学外协项目，横向项目，面向非线性动力系统建模的物理启发深度图学习理论与技术，主持

参与项目：

1. 国家自然科学基金委，面上项目，基于物理嵌入深度图学习的复杂时空系统科学计算理论与算法(Nos. 62276269)

2. 国家自然科学基金委，面上项目，张量网络与神经网络在强关联系统中的结合、发展与应用(Nos. 11874421)
   

3. 国家自然科学基金委，面上项目，基于自然轨道重整化群对量子杂质系统中若干问题的研究(Nos. 11774422)

4. 国家自然科学基金委，面上项目，多体局域化的若干问题研究(Nos. 11874421)

5. 北京自然科学基金委，重点研究专题，离子阱量子计算技术与算法的研究

更多论文参考个人主页：http://www.gaozefeng.tech 

Selected Papers

1. Xin-De Wang; Zhi-Rui Chen; Peng-Jie Guo; Gao, Ze-Feng*; Cheng Mu; Zhong-Yi Lu; Perovskite-R1: A Domain-Specialized Large Language Model for Intelligent Discovery of Precursor Additives and Experimental Design. Communications Materials 7, 86 (2026).

2. Kai Ruan; Yilong Xu; Gao, Ze-Feng; Yang Liu; Yike Guo; Ji-Rong Wen; Hao Sun; Discovering Physical Laws with Parallel Symbolic Enumeration. Nature Computational Science 6, 53–66 (2026).

3. Jia-Qi Wang; Xiao-Qi Han; Peng-Jie Guo; Rong-Qiang He; Gao, Ze-Feng*; Zhong-Yi Lu; Enabling Efficient Low-bit Quantization Based on Matrix Product Operators for KV Cache Compression. Neural Networks 197, 108467 (2026).

4. Gao, Ze-Feng#; Shuai Qu#; Bocheng Zeng#; Yang Liu; Ji-Rong Wen; Hao Sun; Peng-Jie Guo; Zhong-Yi Lu; AI-accelerated Discovery of Altermagnetic Materials. National Science Review 12(4), nwaf066 (2025).

5. Xiao-Qi Han; Peng-Jie Guo; Gao, Ze-Feng*; Hao Sun; Zhong-Yi Lu; InvDesFlow-AL: Active Learning-based Workflow for Inverse Design of Functional Materials. npj Computational Materials 11, 364 (2025).

6. Yu-Liang Zhan; Zhong-Yi Lu; Hao Sun; Gao, Ze-Feng*; Over-parameterized Student Model via Tensor Decomposition Boosted Knowledge Distillation. Advances in Neural Information Processing Systems 37 (NeurIPS 2024).

7. Peiyu Liu; Gao, Ze-Feng; Zhao, Wayne Xin; Yipeng Ma; Tao Wang; Ji-Rong Wen; Unlocking Data-free Low-bit Quantization with Matrix Decomposition for KV Cache Compression. Proceedings of the 62nd Annual Meeting of the Association for Computational Linguistics (ACL 2024).

8. Peiyu Liu; Gao, Ze-Feng; Xiao Zhang; Zhao, Wayne Xin; Ji-Rong Wen; Enhancing Parameter-efficient Fine-tuning with Simple Calibration Based on Stable Rank. Proceedings of the 2024 Joint International Conference on Computational Linguistics, Language Resources and Evaluation (LREC-COLING 2024).

9. Peiyu Liu; Zikang Liu; Gao, Ze-Feng; Dawei Gao; Zhao, Wayne Xin; Yaliang Li; Bolin Ding; Ji-Rong Wen; Do Emergent Abilities Exist in Quantized Large Language Models: An Empirical Study. Proceedings of the 2024 Joint International Conference on Computational Linguistics, Language Resources and Evaluation (LREC-COLING 2024).

10. Gao, Ze-Feng; Kun Zhou; Peiyu Liu; Zhao, Wayne Xin; Ji-Rong Wen; Small Pre-trained Language Models Can be Fine-tuned as Large Models via Over-Parameterization. Proceedings of the 61st Annual Meeting of the Association for Computational Linguistics (ACL 2023). (Nominated for Best Paper Award)

2023.05 ACL 2023 最佳论文提名

2020.09 博士研究生国家奖学金

AI for Science 青年编委

CCIR 程序委员

WSDM 程序委员

EMNLP，ACL，ACCV，WSDM 审稿人

邮箱：zfgao@ruc.edu.cn

小组微信公众号：DQMLab

办公电话：010-82503678

个人网页：http://www.gaozefeng.tech

办公地址：物理楼307B