张强博士，曾在英国G5名校的伦敦大学学院（University College London）计算机系攻读博士学位并担任博士后，师从国际著名的信息检索与数据挖掘领域的Emine Yilmaz教授。他的研究主要涉及到自然语言处理、知识图谱和AI for Science等方向，在Nature Machine Intelligence、Nature Communications、NeurIPS、ICML、ICLR、AAAI、WWW、ACL等顶级学术会议和SCI期刊发表四十余篇文章，谷歌学术论文引用量达到5000+（截止2024年8月）。他担任中国中文信息学会语言与知识计算专委会委员、教育部知识工程虚拟教研室成员、Big Data Research（中科院3区期刊）编辑，主持或参与国家自然科学基金、科技部科技创新2030重大项目、浙江省“尖兵”“领雁”重点研发计划项目、CCF-腾讯犀牛鸟基金、CAAI-MindSpore基金等近10项。曾获得中英教育信托者荣誉、MindSpore杰出导师奖、CCF-腾讯犀牛鸟优秀项目奖和AAAI-25学术新星奖（AAAI-25 New Faculty Highlight）。

他带领的AI交叉团队致力于大型语言模型和知识图谱等新兴通用AI技术在合成生物、分子材料、生命健康等领域的应用研究。近年来与多学科团队合作开展AI科学交叉研究，先后联合提出化学元素知识图谱ElementKG、融合“知识增强+提示学习”的分子对比学习KANO、基于分子属性图谱采样的元学习方法GS-Meta、高鲁棒分子表示学习iMoLD、专家知识共学习的分子吸附性预测模型DeepSorption、知识增强的蛋白质预训练模型OntoProtein、基于提示学习的蛋白质预训练模型PromptProtein、基于预训练大模型的蛋白质优化方法AFP-DE、基于知识指令的文本-蛋白质跨模态大模型InstructProtein，在Nature  Machine  Intelligence、Nature Communications等Nature子刊，以及NeurIPS、ICML、ICLR、AAAI、IJCAI等顶会，发表多篇AI  for  Science领域研究论文。论文整体发表情况请见 谷歌学术。