学术星作者

2019 ACM Fellow放榜!北美45位学者入选,谢源、李向阳等七名华人上榜

美国时间2019年12月11日,ACM(美国计算机协会)公布了2019年当选的58名ACM Fellow,表彰他们在人工智能云计算、打击网络犯罪、量子计算和无线网络等领域做出的重要贡献。

其中,华人代表7人入选,分别是谢源、李向阳、宋晓东、陈熙霖、吕松武、周礼栋、陶大程。

在小脉星探2019年ACM Fellow预测名单中,除了李向阳、陶大程两位华人学者被命中外,还有Diana Marculescu、Prashant J. Shenoy、Tamara G. Kolda、Brad Calder四位学者也榜上有名。

此外,在不久前关于2019年IEEE Fellow的预测名单中,小脉星探也命中了八位学者。

恭喜他们!

(小脉星探传送门:https://star.aminer.cn/)

北美学者占绝对优势

ACM是全世界计算机领域影响力最大的专业学术组织。ACM Fellow设立于1993年,用于表彰在计算机领域有“杰出贡献”的领先者。

截止2018年,全球共有1163位学者当选ACM Fellow,而毕业于大陆高校的ACM Fellow有36名。

2019年ACM Fellow来自澳大利亚、加拿大、中国、埃及、法国、德国、以色列、意大利、瑞士和美国的大学、公司和研究中心,凸显了ACM在全球的影响力。

此次入选的58位学者,主要来自北美地区,共45位,占比78%;8人来自欧洲;还有2人来自亚洲,他们是中国大陆的李向阳与陈熙霖;2人来自亚太地区,分别是蒙纳士大学的Philip Cohen与悉尼大学的陶大程;1人来自中东地区。 

2019年ACM Fellow的贡献涵盖了计算机领域里的人工智能云计算计算机图形学、计算生物学、数据科学、安全和隐私、软件工程、量子计算和网络科学等众多子领域。

2019年ACM Fellow的成就为定义数字时代的技术奠定了基础,并极大地影响了我们的职业生涯和个人生活。ACM Fellows作为一个精英团队,在该协会全球会员中所占比例不到1%。

ACM主席Cherri M. Pancake在宣布2019年ACM Fellows名单时说道:“计算技术对塑造我们今天的生活和工作方式产生了巨大的影响”。“所有直接或间接影响我们的技术都是无数个小时的协作和/或个人工作的结果,以及创造性的灵感,有时还需要承担风险。每年,我们都期待着邀请一些最杰出的人士加入我们的行列。ACM Fellow项目是我们整体认可的基石。在强调ACM Fellow的成就时,我们希望给予他们应有的荣誉,同时也让公众了解到计算机专业人士在各个领域的非凡工作。”

回顾过去几年来的入选情况,在2018年56名当选学者中,斯坦福大学李飞飞教授等6名华人入选,但无一大陆学者上榜。

而在2017年的54位ACM Fellow中,马毅、芮勇、杨强、张世富、翟成祥、张爱冬、Li Erran Li 等九位华人科学家当选,创下了华人一年入选ACM Fellow的最高纪录。

相比于两年前的情况,今年终于有两位在中国大陆任职的学者上榜,也是可喜可贺。

小脉星探命中六位学者

下面就来看看小脉星探命中的这些大咖都有谁?

李向阳

为物联网和移动系统的设计、分析和优化做出的贡献而入选。

李向阳,博士,中国科学技术大学教授、博士生导师,现任中国科技大学计算机学院执行院长。李向阳教授从事无线网络、移动计算、网络安全、社会网络等领域的研究超过 15 年。自1998年,共发表期刊论文 130 余篇,会议论文 200多篇。在 ACM MobiCom、ACM MobiHoc、ACM STOC、ACM Sensys、ACM SODA、USENIX NSDI、IEEE INFOCOM、IEEE ICDCS、 IEEE ICNP 等国际顶级学术会议发表论文数十篇,其中 MobiCom 12 篇,MobiHoc 6 篇,STOC 1 篇,Infocom 40 余篇;获最佳论文提名 2 项(Mobicom 2005,Mobicom 2008),最佳论文奖 6 项。李向阳教授在多个国际顶级学术会议(MobiCom、MobiHoc、INFOCOM、STOC、ICDCS、AAIM、MASS 等)担任技术程序委员会主席、技术程序委员会委员、大会主席、专题讨论主持人等。

陶大程

对表示学习及其应用的贡献而入选。

陶大程是人工智能和信息科学领域国际知名学者、澳大利亚尤里卡(Eureka)奖获得者、深圳市优必选科技有限公司人工智能首席科学家。2018年5月22日,陶大程当选澳大利亚科学院院士。陶大程,2002年毕业于中国科学技术大学,2004年获得香港中文大学硕士学位,2007年获得英国伦敦大学博士学位。毕业后,陶大程先后在中国香港理工大学计算机系、新加坡南洋理工大学分别担任助理教授,后到澳大利亚悉尼科技大学工程与信息技术学院担任教授,目前担任悉尼大学教授。

Diana Marculescu

为能源感知计算系统的设计和优化做出贡献而入选。

Diana Marculescu目前是德克萨斯大学奥斯汀分校电气与计算机工程的主任、教授。她于1998年获得美国南加州大学获得计算机工程的博士学位,她曾在卡内基梅隆大学电气与计算机工程系担任教授,兼学术事务部主任。她的研究方向包括可持续性计算以及用于可持续性或生命科学应用的计算。她所带领的EnyAC研究小组,一直致力于可持续性计算以及用于可持续性或生命科学应用程序计算的研究。

Prashant J. Shenoy

因在分布式系统的建模和设计做出的贡献而入选。

Prashant J. Shenoy于孟买印度理工学院获得计算机科学与工程学士学位,并在美国得克萨斯大学奥斯汀分校获得了计算机科学的硕士学位和博士学位。他目前是美国马萨诸塞大学安姆斯特分校信息与计算机科学学院教授,兼副院长。他的研究兴趣主要在于分布式系统和网络,最近的研究重点是云计算和绿色计算。曾在诸多国际顶级会议上获得多个最佳论文奖,包括Sigmetrics Test of Time奖等。在数种期刊的编辑委员会任职,并曾担任过十几个ACM和IEEE会议的程序主席。他是IEEE和AAAS的研究员,也是ACM的杰出成员。

Tamara G. Kolda

因对张量分解算法的创新、对数据科学的贡献和社区的领导而入选。

Tamara G. Kolda现为美国Sandia国家实验室的杰出技术人员。领导了许多计算科学和数据分析的项目,涉及多线性代数张量分解、图形模型和算法、数据挖掘和优化、非线性求解器、并行计算以及科学软件设计等主题。其作品被引用超过15000次。她曾获得多项荣誉,包括2003年美国总统科学家早期职业奖(PECASE),R&D100奖,以及国际顶级会议上的三项最佳论文奖。2011年成为美国计算机协会(ACM)的杰出科学家,2015年成为为工业与应用数学协会(SIAM)的会员。目前是SIAM董事会的当选成员,也是美国国家科学院数学科学与分析委员会的成员。

Bradley G Calder 

因对云存储的贡献、处理器模拟和系统和应用程序的反馈优化而入选。

Bradley G Calder目前任职于谷歌,2006-2014年间他曾在 Microsoft Azure Storage任职;之前他曾是美国加州大学圣地亚哥分校计算机科学与工程系的副教授。

除了小脉星探预测中的两位华人学者外,还有以下五名华人学者入选2019 ACM Fellow。(先后顺序不代表排名)

谢源

为计算机体系结构的实现和评估提供设计技术和工具的贡献而入选。

谢源是加州大学圣芭芭拉分校的教授,IEEE Fellow。他于1997 年获得清华大学电子工程系学士学位,于1999年和2002年获得普林斯顿大学电机工程系硕士和博士学位。谢源教授的研究领域包括超大规模集成电路(VLSI)设计、电子设计自动化、计算机系统结构、嵌入式系统设计等。

谢源教授于2002-2003年任职于IBM,于2003年加入宾州州立大学,任计算机科学与工程系教授, 2014年加入加州大学圣芭芭拉分校,任电机系教授、可扩展高能效体系结构实验室主任(Scalable Energy-efficient Architecture Lab, SEAL)。

谢源教授目前担任IEEE TVLSI, IEEE TCAD, IEEE D&T, ACM JETC, IET CDT等期刊的Associate Editor。他所获奖项包括NSF CAREER award,the SRC Inventor RecognitionAward,IBM Faculty Award,ASP-DAC 2008Best Paper Award,中国国家自然科学基金会海外及港澳学者合作研究基金等。由于在三维集成电路和体系结构上的突出贡献,他于2015年被评为IEEE Fellow。

宋晓东

因对安全和隐私的贡献而入选。

宋晓东是加州大学伯克利分校计算机系教授,Oasis Labs创始人兼CEO,被媒体誉为“互联网安全教母”。她的研究方向包括深度学习、计算机和网络安全、区块链等。曾获麦克阿瑟奖 (MacArthur Fellowship),古根海姆奖(GuggenheimFellowship),斯隆研究奖 (Alfred P. Sloan Research Fellowship),《麻省理工科技评论》“35岁以下科技创新35人”奖 (TR-35 Award)等;是计算机安全领域中论文被引用次数最多的学者(AMiner Award)。

周礼栋

为值得信赖的分布式计算和中国的系统研究和教育做出贡献而入选。

周礼栋博士现任微软亚洲研究院副院长,微软杰出首席科学家(Distinguished Scientist of Microsoft),主要从事大规模分布式系统、存储系统、无线通讯和网络,以及系统安全和可靠性方面的研究。周礼栋博士于2002年加入微软公司,曾任职微软硅谷研究院研究员、微软亚洲研究院和微软雷德蒙研究院系统研究组首席研究员。他的研究一直推动着可靠及可扩展的分布式系统的理论和实践进步,为在线云服务提供支持,与此同时,他还对实时部署的大规模服务做出了重要的技术贡献。多年来,周礼栋博士在设计和开发大规模分布式系统方面扮演了重要的技术角色,这些系统支持着微软从搜索引擎、大数据基础设施、云可靠性和可用性到AI基础设施的主要服务。

陈熙霖

因对面部和手语识别及多媒体系统的贡献而入选。

陈熙霖博士,研究员,IEEE Fellow, IAPR Fellow, 中国计算机学会会士,中科院“百人计划”入选者并获终期评估优秀,国家杰出青年基金获得者。主要研究领域为计算机视觉模式识别、多媒体技术以及多模式人机接口。先后主持多项自然科学基金重大、重点项目、973计划课题等项目的研究。曾任IEEE Trans. on Image Processing的Associate Editor,目前是IEEE Trans. on Multimedia和Journal of Visual Communication and Image Representation的Associate Editor、Journal of Computer Science and Technology领域编委、计算机学报副主编、人工智能模式识别副主编,担任过FG2013 / FG 2018 General Chair以及CVPR 2017 / CVPR 2019, ICCV 2019等的Area Chair。

吕松武

帮助创建一个更有弹性和性能的蜂窝网络而入选。

吕松武是美国加州大学洛杉矶分校计算机系教授。他的主要研究方向为无线网络、传感器网络、移动系统、普及计算、互联网与无线网络安全等。1990年毕业于中科大,随后在伊利诺大学香槟分校 (UIUC)攻读硕士、博士,并担任助理研究员至1999年,随后加入加州大学洛杉矶分校(UCLA)。

2019 ACM Fellow全部入选名单

AMiner学术头条
AMiner学术头条

AMiner平台由清华大学计算机系研发,拥有我国完全自主知识产权。系统2006年上线,吸引了全球220个国家/地区800多万独立IP访问,数据下载量230万次,年度访问量1000万,成为学术搜索和社会网络挖掘研究的重要数据和实验平台。

https://www.aminer.cn/
专栏二维码
产业ACM
相关数据
微软亚洲研究院机构

微软亚洲研究院于1998年在北京成立,是微软公司在亚太地区设立的基础及应用研究机构,也是微软在美国本土以外规模最大的一个研究院。微软亚洲研究院从事自然用户界面、智能多媒体、大数据与知识挖掘、人工智能、云和边缘计算、计算机科学基础等领域的研究,致力于推动计算机科学前沿发展,着眼下一代革命性技术的创新,助力微软实现长远发展战略。通过与微软产品部门紧密合作,微软亚洲研究院将众多创新技术转移到了微软的核心产品中,如Office、Windows、Azure、Bing、Visual Studio、Xbox Kinect以及小冰、Cortana和Microsoft Translator等人工智能产品。

https://www.msra.cn/
微软机构

微软是美国一家跨国计算机科技公司,以研发、制造、授权和提供广泛的计算机软件服务为主。总部位于美国华盛顿州的雷德蒙德,最为著名和畅销的产品为Microsoft Windows操作系统和Microsoft Office办公室软件,以及Xbox的游戏业务。微软是美国《财富》杂志2015年评选的世界500强企业排行榜中的第95名。

https://www.microsoft.com/en-us/about
IBM机构

是美国一家跨国科技公司及咨询公司,总部位于纽约州阿蒙克市。IBM主要客户是政府和企业。IBM生产并销售计算机硬件及软件,并且为系统架构和网络托管提供咨询服务。截止2013年,IBM已在全球拥有12个研究实验室和大量的软件开发基地。IBM虽然是一家商业公司,但在材料、化学、物理等科学领域却也有很高的成就,利用这些学术研究为基础,发明很多产品。比较有名的IBM发明的产品包括硬盘、自动柜员机、通用产品代码、SQL、关系数据库管理系统、DRAM及沃森。

https://www.ibm.com/us-en/
相关技术
优必选科技机构

深圳市优必选科技股份有限公司成立于2012年3月,是全球领先的人工智能和人形机器人研发、制造和销售为一体的高科技创新企业,公司秉承着“让智能机器人走进千家万户”的使命,专注于人工智能及机器人核心技术的应用型研发、前瞻性研发与商业化落地,同时提供人工智能教育、智慧零售、智慧园区/校园安防等行业解决方案。以智能服务机器人为载体,将“AI+”赋能各行业,为客户提供一站式服务,致力于打造“硬件+软件+服务+内容”的智能服务生态圈。

https://www.ubtrobot.com/cn/
相关技术
李飞飞人物

李飞飞,斯坦福大学计算机科学系教授,斯坦福视觉实验室负责人,斯坦福大学人工智能实验室(SAIL)前负责人。专业领域是计算机视觉和认知神经科学。2016年11月李飞飞加入谷歌,担任谷歌云AI/ML首席科学家。2018年9月,返回斯坦福任教,现为谷歌云AI/ML顾问。10月20日斯坦福大学「以人为中心的AI计划」开启,李飞飞担任联合负责人。11月20日李飞飞不再担任SAIL负责人,Christopher Manning接任该职位。

周礼栋人物

周礼栋博士现任微软亚洲研究院副院长,负责微软亚洲研究院-微软(亚洲)互联网工程院人工智能系统联合中心,主要从事大规模分布式系统、存储系统、无线通讯和网络,以及系统安全和可靠性方面的研究。

马毅人物

加州大学伯克利分校电气工程与计算机科学系教授,BAIR成员。研究兴趣:计算机视觉、高维数据的低维模型、可扩展优化和机器学习、智能机器。近期研究低维模型和深度网络之间的关系、高维数据的稀疏表征和低秩近似、高维数据的聚类和分类、3D图像重建。

杨强人物

杨强现任香港科技大学新明工程学讲席教授、计算机科学和工程学系主任,大数据研究所所长 。他是人工智能研究的国际专家和领军人物,在学术界和工业界做出了杰出的服务和贡献,尤其近些年为中国人工智能(AI)和数据挖掘(KDD)的发展起了重要引导和推动作用。

区块链技术

区块链是用分布式数据库识别、传播和记载信息的智能化对等网络, 也称为价值互联网。 中本聪在2008年,于《比特币白皮书》中提出“区块链”概念,并在2009年创立了比特币社会网络,开发出第一个区块,即“创世区块”。

深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

数据分析技术

数据分析是一类统计方法,其主要特点是多维性和描述性。有些几何方法有助于揭示不同的数据之间存在的关系,并绘制出统计信息图,以更简洁的解释这些数据中包含的主要信息。其他一些用于收集数据,以便弄清哪些是同质的,从而更好地了解数据。 数据分析可以处理大量数据,并确定这些数据最有用的部分。

张量分解技术

张量(tensor)是一个多维的数据存储形式,数据的的维度被称为张量的阶。传统的方法(例如ICA,PCA、SVD和NMF)对于维数比较高的数据,一般将数据展成二维的数据形式(矩阵)进行处理,这种处理方式使得数据的结构信息丢失(比如说图像的邻域信息丢失),使得求解往往病态。而采用张量对数据进行存储,能够保留数据的结构信 息,因此近些年在图像处理以及计算机视觉等领域得到了一些广泛的应用。张量分解(Tensor decomposition)中常见的两种分解是CP分解(Canonical Polyadic Decomposition (CPD)和Tucker分解(Tucker Decomposition)。

计算机图形技术

图像数据处理、计算机图像(英语:Computer Graphics)是指用计算机所创造的图形。更具体的说,就是在计算机上用专门的软件和硬件用来表现和控制图像数据。

感知技术

知觉或感知是外界刺激作用于感官时,脑对外界的整体的看法和理解,为我们对外界的感官信息进行组织和解释。在认知科学中,也可看作一组程序,包括获取信息、理解信息、筛选信息、组织信息。与感觉不同,知觉反映的是由对象的各样属性及关系构成的整体。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

数据科学技术

数据科学,又称资料科学,是一门利用数据学习知识的学科,其目标是通过从数据中提取出有价值的部分来生产数据产品。它结合了诸多领域中的理论和技术,包括应用数学、统计、模式识别、机器学习、数据可视化、数据仓库以及高性能计算。数据科学通过运用各种相关的数据来帮助非专业人士理解问题。

模式识别技术

模式识别(英语:Pattern recognition),就是通过计算机用数学技术方法来研究模式的自动处理和判读。 我们把环境与客体统称为“模式”。 随着计算机技术的发展,人类有可能研究复杂的信息处理过程。 信息处理过程的一个重要形式是生命体对环境及客体的识别。其概念与数据挖掘、机器学习类似。

张量技术

张量是一个可用来表示在一些矢量、标量和其他张量之间的线性关系的多线性函数,这些线性关系的基本例子有内积、外积、线性映射以及笛卡儿积。其坐标在 维空间内,有 个分量的一种量,其中每个分量都是坐标的函数,而在坐标变换时,这些分量也依照某些规则作线性变换。称为该张量的秩或阶(与矩阵的秩和阶均无关系)。 在数学里,张量是一种几何实体,或者说广义上的“数量”。张量概念包括标量、矢量和线性算子。张量可以用坐标系统来表达,记作标量的数组,但它是定义为“不依赖于参照系的选择的”。张量在物理和工程学中很重要。例如在扩散张量成像中,表达器官对于水的在各个方向的微分透性的张量可以用来产生大脑的扫描图。工程上最重要的例子可能就是应力张量和应变张量了,它们都是二阶张量,对于一般线性材料他们之间的关系由一个四阶弹性张量来决定。

计算机视觉技术

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

数据挖掘技术

数据挖掘(英语:data mining)是一个跨学科的计算机科学分支 它是用人工智能、机器学习、统计学和数据库的交叉方法在相對較大型的数据集中发现模式的计算过程。 数据挖掘过程的总体目标是从一个数据集中提取信息,并将其转换成可理解的结构,以进一步使用。

云计算技术

云计算(英语:cloud computing),是一种基于互联网的计算方式,通过这种方式,共享的软硬件资源和信息可以按需求提供给计算机各种终端和其他设备。

图形模型技术

【图形模型】比实际模型更加抽象地描述实物的一种模型。它可用各种图来表示系统的信息流程、物质流程、时间顺序、逻辑关系以及相互联系的结点和支路组成的网络图,如电路图、信息流程图、网络分析的网结图等。

线性代数技术

线性代数是数学的一个分支,它的研究对象是向量,向量空间(或称线性空间),线性变换和有限维的线性方程组。向量空间是现代数学的一个重要课题;因而,线性代数被广泛地应用于抽象代数和泛函分析中;通过解析几何,线性代数得以被具体表示。线性代数的理论已被泛化为算子理论。由于科学研究中的非线性模型通常可以被近似为线性模型,使得线性代数被广泛地应用于自然科学和社会科学中。

嵌入式系统技术

嵌入式系统,是一种嵌入机械或电气系统内部、具有专一功能和实时计算性能的计算机系统。嵌入式系统常被用于高效控制许多常见设备,被嵌入的系统通常是包含数字硬件和机械部件的完整设备,例如汽车的防锁死刹车系统。

加州大学伯克利分校机构

加利福尼亚大学伯克利分校,简称加州大学伯克利分校,又常被译为加利福尼亚大学伯克莱分校,位于美国加利福尼亚州旧金山湾区伯克利市,是一所世界著名的公立研究型大学。其许多科系位于全球大学排行前十名,是世界上最负盛名的大学之一,常被誉为美国乃至世界最顶尖的公立大学。

https://www.berkeley.edu/
量子计算技术

量子计算结合了过去半个世纪以来两个最大的技术变革:信息技术和量子力学。如果我们使用量子力学的规则替换二进制逻辑来计算,某些难以攻克的计算任务将得到解决。追求通用量子计算机的一个重要目标是确定当前经典计算机无法承载的最小复杂度的计算任务。该交叉点被称为「量子霸权」边界,是在通向更强大和有用的计算技术的关键一步。

推荐文章
暂无评论
暂无评论~