《麻省理工科技评论》成立于1899年，是世界上历史最悠久的科技商业智库与媒体之一。自1999年起，《麻省理工科技评论》每年都评选出35位35岁以下的青年科技创新人才，从世界范围内的前沿科学、新兴技术、创新应用中遴选出对未来的科技发展产生深远影响的创新领军人物，涵盖但不限于生物技术、 能源材料、人工智能、信息技术、智能制造等新兴技术领域。企业网
他研制出可替代钢材的超级木材以及低成本、高性能的木基电池和太阳能蒸发器，用以促进环境友好型发展，解决迈向碳中和过程中面临的材料 - 能源 - 环境问题。
他凭借其独特的机械工程背景，为凝血疾病的诊断、治疗和控制寻找更好的解决方案。
他开发仿人脑视觉皮层的机器学习机制，并应用到人脸识别相关的安全防控中，使用AI系统帮助人类打造一个更安全的世界。
她开发了一系列新颖的分子振动光谱成像技术来原位获取生物分子信息，通过实现亚细胞水平的功能成像来应对生命科学中无标记成像的挑战。
他致力于开发新的蛋白质设计方法，并设计可与天然蛋企业白质相互作用的人工设计结合蛋白，这些结合蛋白有望替代抗体成为新一代蛋白质药物以用于调节免疫反应、治疗癌症和杀死病毒。
他构建的三维柔性生物电子器件可在微米到厘米尺度上监测与治疗人体器官，解决了电子器件与生物组织的界面失配问题，推助生命健康与智慧医疗发展。
他专注于开发和设计基于硅量子点的自旋量子比特，实现了双量子点量子比测算特的高温控制。
她创新性地将非线性纳米光学和拓扑光学理论结合，应用于光学拓扑结构和器件的研究。
他专注于研究肿瘤坏死因子受体的激活机制，其成果为肿瘤免疫治疗提供全新的研究思路并可用于开发靶向药物。
他将物理材料与计算机、机器人技术相结合，创造无缝的有形交互体验。
从地下到太空，他利用等离子资源和技术来应对下一代人面临的挑战。
她的研究为嵌入式与信息物理系统的验证做出了奠基性贡献，展示了该技术应用于工业系统的可能性。
他致力于开发尖端的全量子计算模拟方法，为物理学、化学、生物学、能源和环境科学中企业网的基础和跨学科问题提供理论视角，特别是在凝聚态物理和新材料领域提供模拟复杂过程的有利计算方法。
他开发了利用各种功能性生物材料进行癌症免疫治疗的新策略。
他开发的新技术或将让化学工业摆脱化石资源的束缚，走上低碳绿色和去中心化的道路。
通过设计与制备高质量新型二维量子器件，他在石墨烯摩尔超晶格的强关联、超导、拓扑等方面做出了一系列开创性研究工作。
她开发了廉价、核名易于量产的可穿戴生物传感器，可用汗液追踪和评估健康状况。
他揭示了电池反应在纳米-原子级别上的真实过程，并为提升下一代可充电锂电池的性能提供了有效策略。
她研发的纳米抗体为自身免疫性疾病提供新的疗法，核名其低成本、易于存储运输的技术使她的研究成果能够惠及发展中国家。
他专注于研制新型廉价金属催化剂，并设计出高效且可持续发展的推助化学合成方案。
她开发出可自愈电子材料，以缓解每年数以万吨计的电子垃圾污染问题。
他融合多种人工智能技术打造即时、有效的虚拟心理咨询师，帮更多人解开心结。
他以崭新思路来克服植入式柔性电流程子系统在脑机接口应用的相关技术难题，实现柔性高密度全脑维度的放大微电极阵列，为未来高性能生物神经接口电子系统做出突破性贡献。
他专注于开发廉价、高效的非金属纳米材料，应用于新型绿色、智能水处理技术。
她开发了多种人工智能平台，用于优化药物剂量或加快寻找治疗癌症和其他疾病的药物。
他是卷积神经网络架构 DenseNet 的发明者之一，他将密集连接引入深度学习网络，企业从而巧妙缓解梯度消失问题，开启卷积神经网络架构新阶段。
他的研究大幅拓展了人们对群组测试背后的数学算法和理论认知，有助于提升磁共振成像、DNA 测序等复杂任务的执行效率。
他发明出“碳化法新型湿法冶金技术”，创造性地将碳排放与固废物处理两大环境问题的解决相结合，并将技术成果有效转化，推动绿色可持续发展网上。
她将传热和光学结合起来，发明了可以控制热能传输的方式，极大地扩展了传热设计的自由度。
他的研究对单晶卤化物钙钛矿产生了革命性的影响，可以从根本上加速这类新兴半导体材料单晶的工业化。
他专注于生物应用激光器的研究及相关生物信息学编码技术，为生物学研究和医学研究开辟新赛道。
他流程是世界著名消费级无人测算机背后的“最强大脑”，为机载智能系统的小型化做出了重大技术贡献，网上使它们变得智能、创新且易于使用。
她利用数据科学和物联网技术来降低能耗并改善空气质量。
他开发出新型可穿戴机器人设备并革新外骨骼技术，以营造积极社会影响，改善残障人士的生活质量。
作为跨越机器学习、细胞生物学和应用数学领域的研究人员，他热衷于利用数学模型揭示细胞的内在决策机制。
作为一个自然的复杂微系统，细胞的内在决策过程仍待人们探究。曹志兴正致力于探索这一课题。他采用了多学科交叉的方法，通过量化研究来破译细胞的决策机制，从而为癌症治疗、新药研发、疫苗研制等提供新观点、新思路。
他设计了一种线性映射近似方法，将非线性基因调控网络映射到线性网络上，实现了大规模求解基因表达的随机动力学和高通量分析单细胞数据。
近期，他开发了一个基因表达解析模型，其中包含迄今为止最完整的细胞生理细节如细胞生长、细胞分裂等，从而使得精确解读细胞生理和基因表达的耦合机制成为可能。
针对细胞内生化反应规模大、反应物数量多的维度灾难问题，曹志兴提出了非马尔可夫的建模方法来降低系统维度，并开发一种微分机器学习方法来高效求解非马尔科夫模型，并将建模所需的数据量显着减少到经典方法所需样本的 1/30。
