姚权铭博士是清华大学电子工程系助理教授，博士生导师，国家高层次青年人才计划入选者。于香港科技大学计算机系取得博士学位，后于第四范式担任首席研究员，创建和领导机器学习研究团队。主要研究方向为机器学习方法与原理，特别是在科学智能中的应用与大模型的理论基础。

发表顶级论文100余篇，包括Nature Computational Science / Nature Communication / JMLR / IEEE TPAMI / ICML / NeurIPS / ICLR等，总被引12000余次。其中抗噪标签算法“Co-teaching”是鲁棒学习领域的里程碑；小样本学习综述是ACM Computing Surveys近五年来最高被引论文；自动化图学习系列方法（TPAMI 2023等）蝉联Open Graph Benchmark榜单第一名；基于医药网络解决新药物互反应的工作刊载于Nature子刊。

担任国际机器学习会议ICML、NeurIPS和ICLR领域主席，旗舰期刊Neural Network资深编委、Machine Learning和Transaction on Machine Learning Research编委。荣获国内外诸多知名奖项，入围MIT Technical Review 35Under35（AI方向全球榜），首届蚂蚁Intech技术奖、国际神经网络学会（INNS）早期成就奖、香港科学会优秀青年科学家、吴文俊人工智能学会优秀青年奖、Google全球博士奖等，同时入选全球华人AI青年学者榜（机器学习方向25人）、福布斯30Under30精英榜与全球Top 2%科学家。最后，受邀在国际人工智能大会（AAAI）2024大会上做早期成就报告。

承担“数据与算法”核心课程，参与“高等机器学习”、“高科技人才的企业发展”研究生课程的授课工作；担任电子系“AI+系统”因材施教方向班主任。自入职以来连续三年指导学生毕业设计获评清华大学优秀毕业论文；指导本科生研究计划（SRT）获得特等奖（全校五位）、挑战杯特等奖（信息赛道唯一）。

代表性论文（星号 * 表示通讯作者，下划线表示共同一作）

[1].    Quanming Yao, Zhenqian Shen, Yaqing Wang*, Dejing Dou. Property-Aware Relation Networks for Few-Shot Molecular Property Prediction. IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI). 2024

[2].    Yongqi Zhang, Quanming Yao*, Ling Yue, Xian Wu, Ziheng Zhang, Zhenxi Lin, Yefeng Zheng. Emerging Drug Interaction Prediction Enabled by Flow-based Graph Neural Network with Biomedical Network. Nature Computational Science. 2023.

[3].    Yongqi Zhang, Quanming Yao*, James T. Kwok. Bilinear Scoring Function Search for Knowledge Graph Learning. IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI). 2023.

[4].    Quanming Yao, Yaqing Wang, Bo Han, James T. Kwok. Efficient Low-rank Tensor Learning with Nonconvex Regularization. Journal of Machine Learning Research (JMLR). 2022.

[5].    Yaqing Wang, Quanming Yao*, James T. Kwok, Lionel Ni. Generalizing from a Few Examples: A Survey on Few-Shot Learning. ACM computing surveys (CSUR). 2020. 

[6].    Quanming Yao*, James T. Kwok, Taifeng Wang, and Tie-Yan Liu. Large-scale low-rank matrix learning with nonconvex regularizers. IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI). 2019

[7].    Quanming Yao* and James T. Kwok. Efficient learning with nonconvex regularizers by nonconvexity redistribution. Journal of Machine Learning Research (JMLR). 2018.

[8].    Bo Han, Quanming Yao, Xingrui Yu, Gang Niu, Miao Xu, Weihua Hu, Ivor Tsang, Masashi Sugiyama. Co-teaching: Robust training deep neural networks with extremely noisy labels. Advances in Neural Information Processing Systems (NeurIPS). 2018.