陶硕，吉林大学教授，2017年毕业于中国台湾淡江大学物理学系，并获得理学学士学位；同年赴美国纽约州立大学石溪分校学习， 2020年进入美国罗格斯新泽西州立大学纽瓦克分校攻读应用物理学博士，师从朱黎教授，2025年获博士学位。博士毕业后，于美国北卡罗来纳大学夏洛特分校机械工程系在朱强教授的指导下从事博士后研究。2026年通过国家海外高层次青年人才计划引进吉林大学物理学院，开展教学科研工作。

本科在读期间，陶硕曾获2013淡江大学陆生入学奖学金，并在2013学年至2016学年连续获得淡江大学物理学系艾维克（EVGA）奖学金。博士在读期间，陶硕曾获 Rutgers University–Newark Dean’s Dissertation Fellowship、Physics Department Teaching Assistant Excellence Award 等荣誉。

陶硕长期从事常压及高压条件下材料晶体结构预测、物质性质理论模拟以及人工智能驱动的计算材料设计研究，聚焦于发展融合第一性原理、晶体结构预测与机器学习的高通量计算新方法。主要成果包括：1）提出了基于对称性偏置的势能面结构优化与结构搜索新方法，显著提升了复杂体系亚稳结构的搜索效率与成功率；2）构建了基于高斯重叠矩阵描述符的EOSnet图神经网络模型，突破了传统机器学习在材料能带性质预测上的精度瓶颈；3）成功预测了具有理想直接带隙的新型硅同素异形体（Cmcm-Si₃₂）与新型常压超导材料（YSi₆），为解决硅基光电子器件核心难题及探索新超导体提供了理论支撑；4）开发了机器学习辅助的高通量筛选工作流，实现了新材料的高效逆向设计，为构建高精度、高可信度晶体材料数据库提供了新的思路。以上研究成果，均以第一作者的身份在J. Phys. Chem. Lett.，Comput. Matter. Today，Phys. Rev. X Intelligence和Ann. Phys. (Berlin)等国际期刊发表了相关论文，并在材料结构预测、机器学习材料模拟以及人工智能驱动材料发现等方面形成了较为系统的研究基础。其已发表成果涵盖新型硅同素异形体、硅基合金、金属硅化物、材料机器学习以及结构优化方法等多个方向。

此次加盟吉林大学物理学院后，陶硕将依托学院物质模拟方法与软件教育部重点实验室等科研平台，进一步发展人工智能与计算物理交叉融合的材料设计方法，围绕复杂材料结构生成与优化、物理信息机器学习以及生成式人工智能驱动的新材料发现开展研究，为探索材料微观结构与宏观物性的内在联系、推动新型功能材料的理论设计与发现提供新的方法和思路。