个人简介

张海山博士毕业于东京大学医学信息生命专业，曾在东京大学从事博士后研究。2025年10月起入职中山大学，于田德朝副教授团队工作。其研究聚焦人工智能与生物医学数据分析的交叉领域。

研究领域

以单细胞Hi-C数据的生成建模为主要研究方向。针对数据稀疏、噪声较高及细胞间差异明显等特点，研究深度生成模型对染色质互作信息的表征，探索互作图谱的重建、补全与生成。同时，探索将可微优化方法融入生成过程，为单细胞三维基因组结构分析提供计算方法支持。

教育背景

- 2021年4月—2024年6月，东京大学，医学信息生命，博士
- 2017年—2020年，中国科学院大学（深圳先进技术研究院），计算机技术，硕士
- 2013年9月—2017年6月，山东科技大学，信息管理与信息系统，学士

工作经历

- 2025年10月至今，中山大学，现于理学院开展博士后研究
- 2024年7月—2025年8月，东京大学，博士后
- 2020年7月—2021年3月，深圳先进技术研究院

代表性成果

1. Zhang H, Nguyen D H, Tsuda K. Differentiable optimization layers enhance GNN-based mitosis detection. Scientific Reports, 2023, 13: 14306.
2. Zhang H, Shao X, Peng Y, et al. A novel machine learning based approach for iPS progenitor cell identification. PLoS Computational Biology, 2019, 15(12): e1007351.
3. Dai Z, Zhang H, Lin F, et al. The classification system and biomarkers for autism spectrum disorder: A machine learning approach. Bioinformatics Research and Applications (ISBRA 2021), 2021: 289–299.
4. Zhang H, Zhang T, Saravanan K M, et al. DeepBindBC: A practical deep learning method for identifying native-like protein-ligand complexes in virtual screening. Methods, 2022, 205: 247–262.