2022/05/18 14:59

杜伟、陈萍编辑

2022 IBM博士生奖学金揭晓：8位华人入选，上交大、电子科大校友在列

这些获奖博士生将赢得高达 9.5 万美元的奖金。

七十年来，IBM 通过极具竞争力的博士生奖学金（IBM PhD Fellowship Award）计划认可并表彰了来自全球各地的优秀博士生。

2022 年 IBM 博士生奖学金计划共收到了来自全球 32 个国家 183 所大学的数百申请。最终，本年度博士生奖学金共授予了 19 位获得者，他（她）们展示了在人工智能、混合云技术、量子计算、数据科学、安全以及下一代尖端处理器等前沿研究领域的专业知识。

下图为 19 位获奖博士生的完整名单和院校信息。

2022 年 IBM 博士生奖学金分为两年发放，其中美国地区的获奖者第一年将得到 6 万美元（约合人民币 40.5 万），第二年将得到 3.5 万美元（约合人民币 23.6 万）。其他国家和地区的获得者每年将获得 6000 美元至 2.5 万美元不等的奖金。

机器之心对获得奖项的华人博士生进行了简单介绍（如有错误和遗漏，请指正）。

获奖华人博士生

Bo Zhang：哥伦比亚大学

Bo Zhang 于 2018 年获得上海交通大学电气工程学士学位，他目前在哥伦比亚大学攻读电气工程博士学位，他的研究兴趣包括用于机器学习算法的计算机架构和超低功耗 VLSI 电路和系统设计。

Catherine Chen：加州大学伯克利分校

Catherine Chen 为加州大学伯克利分校 EECS 的博士生，师从 Dan Klein、Jack Gallant 教授，主要研究兴趣包括自然语言处理、认知神经科学和机器学习的交叉等领域。她于普林斯顿大学获得计算机科学学士学位，并辅修神经科学、统计学、机器学习以及应用数学。

个人主页：https://cchen23.github.io/

Ching-Yao Chuang：麻省理工学院

Ching-Yao Chuang 为 MIT 博士生，师从 Stefanie Jegelka、Antonio Torralba 教授。在此之前，他在多伦多大学作为访问学者，受到 Sanja Fidler 教授指导，并在 Min Sun 教授的指导下在台湾清华大学做本科研究员。

他的研究主要集中在构建具有最小监督的鲁棒和可泛化的机器学习系统，尤其在表示学习、无监督学习以及统计学习理论等领域表现突出。他有多篇论文被 CVPR、NeurIPS、ICCV 等顶会接收。

个人主页：https://chingyaoc.github.io/

Fangzheng Xu：卡内基梅隆大学

Fangzheng Xu 为卡内基梅隆大学语言技术学院的博士生，师从 Graham Neubig 教授，他的主要研究领域为自然语言处理。Fangzheng Xu 于 2016 年和 2019 年分别在上海交通大学获得计算机科学学士和硕士学位，导师为朱其立教授。

个人主页：https://frankxfz.me/

Ka Ho Chow：佐治亚理工学院

Ka Ho Chow 为佐治亚理工学院计算机科学学院的博士生，师从 Ling Liu 教授。他的主要研究是让机器学习应用更加鲁棒、隐私保护更好以及更可信。在此之前，Ka Ho Chow 在香港科技大学获得了计算机科学学士和硕士学位，师从 Shueng-Han Gary Chan 教授。其研究已经在顶级会议上发表，包括 SIGKDD、 SIGMOD、CVPR、EuroSys。

个人主页：https://khchow.com/

Yangruibo Ding：哥伦比亚大学

Yangruibo Ding 为哥伦比亚大学计算机科学系博士生，其导师为 Baishakhi Ray 和 Gail Kaiser 教授。他本科毕业于电子科技大学软件工程专业，2018 年入学哥伦比亚大学攻读计算机科学硕博学位。

他的研究重心在于自动化软件工程的机器学习，并对自监督源代码建模和程序分析深度学习颇有兴趣。不久前，他作为一作撰写的论文《Towards Learning (Dis)-Similarity of Source Code from Program Contrasts》被 ACL 2022 会议接收。

论文地址：https://arxiv.org/pdf/2110.03868.pdf

个人主页：https://robin-y-ding-columbia.github.io/

Yufeng Bright Ye：麻省理工学院

Yufeng Bright Ye 为 MIT 电气工程与计算机科学系（EECS）博士生。他出生于中国广州，在加拿大多伦多长大。本科就读于多伦多大学的工程科学专业，并于 2019 年入学 MIT 攻读硕博学位。

他的研究兴趣在于量子计算，并曾在《物理评论快报》（Physical Review Letters）、《应用物理评论》（Physical Review Applied）等发表论文。

他曾是 IBM 量子开放科学奖（Open Science Prize）的获得者以及首届 MIT 量子黑客马拉松的第一名获得者。此外，他还曾获得加拿大自然科学与工程研究理事会（NSERC）颁发的研究生奖学金以及 MIT 的 Jin Au Kong 奖学金。

个人主页：https://mitcommlab.mit.edu/eecs/fellows_staff/bright-ye/

Zexue He：加州大学圣地亚哥分校

Zexue He 为加州大学圣地亚哥分校（UCSD）计算机科学系二年级博士生，其导师为 Julian MaAuley 教授。在 2020 年入学 UCSD 之前，她取得了北京师范大学的计算机科学本科学位。

她的研究兴趣包括 NLP 领域的偏见消除和公平性以及可信 ML，参与撰写的论文多次被 ICLR、EMNLP、ICVRV、SIGIR、CHIIR、CHIIR 等学术会议接收。

个人主页：https://zexuehe.github.io/

参考链接：https://research.ibm.com/university/awards/fellowships-awardees.html

入门IBM

相关技术

感知

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。

来源：LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. nature, 521(7553), 436.

机器学习技术

机器学习是人工智能的一个分支，是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论，机器学习与推断统计学联系尤为密切，也被称为统计学习理论。算法设计方面，机器学习理论关注可以实现的，行之有效的学习算法。

来源：Mitchell, T. (1997). Machine Learning. McGraw Hill.

Julia技术

Julia 是MIT设计的一个面向科学计算的高性能动态高级程序设计语言，项目大约于2009年中开始，2018年8月JuliaCon2018 发布会上发布Julia 1.0。据介绍，Julia 目前下载量已经达到了 200 万次，且 Julia 社区开发了超过 1900 多个扩展包。这些扩展包包含各种各样的数学库、数学运算工具和用于通用计算的库。除此之外，Julia 语言还可以轻松使用 Python、R、C/C++ 和 Java 中的库，这极大地扩展了 Julia 语言的使用范围。

来源：维基百科

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）

来源：Russell, S., & Norvig, P. (2003). Artificial Intelligence: A Modern Approach.

神经科学技术

神经科学，又称神经生物学，是专门研究神经系统的结构、功能、发育、演化、遗传学、生物化学、生理学、药理学及病理学的一门科学。对行为及学习的研究都是神经科学的分支。对人脑研究是个跨领域的范畴，当中涉及分子层面、细胞层面、神经小组、大型神经系统，如视觉神经系统、脑干、脑皮层。

来源：维基百科

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。

来源：维基百科

自然语言处理技术

自然语言处理（英语：natural language processing，缩写作 NLP）是人工智能和语言学领域的分支学科。此领域探讨如何处理及运用自然语言；自然语言认知则是指让电脑“懂”人类的语言。自然语言生成系统把计算机数据转化为自然语言。自然语言理解系统把自然语言转化为计算机程序更易于处理的形式。

来源：维基百科

统计学习理论技术

统计学习理论是统计学和功能分析领域的机器学习框架。统计学习理论处理基于数据建立预测函数的问题，且已经在算机视觉，语音识别，生物信息学等领域得到了成功应用。

来源：Wikipedia

认知神经科学技术

认知神经科学（英语：Cognitive neuroscience）是一门科学学科，旨在探讨认知历程的生物学基础。主要的目标为阐明心理历程的神经机制，也就是大脑的运作如何造就心理或认知功能。认知神经科学为心理学和神经科学的分支，并且横跨众多领域，例如生理心理学、神经科学、认知心理学和神经心理学。认知神经科学以认知科学的理论以及神经心理学、神经科学及计算机模型的实验证据为基础。

来源：维基百科

机器之心机构

机器之心，成立于2014年，是国内最具影响力、最专业、唯一用于国际品牌的人工智能信息服务与产业服务平台。目前机器之心已经建立起涵盖媒体、数据、活动、研究及咨询、线下物理空间于一体的业务体系，为各类人工智能从业者提供综合信息服务和产业服务。

https://www.jiqizhixin.com/