Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

「诺奖风向标」2023年斯隆奖出炉:韩松、李远志等清华校友获奖

在2023年度斯隆奖名单中,计算机领域的四位获奖华人学者韩松、李远志、谭宸浩、伍骁迪均毕业于清华大学

刚刚,斯隆基金会公布了 2023 年度斯隆研究奖获得者名单。

斯隆研究奖自 1955 年起,由美国艾尔弗・斯隆基金会(The Alfred P. Sloan Foundation)每年颁发一次,以表彰那些具有创造性、创新性和研究成就的美国和加拿大的杰出年轻研究人员,使他们成为下一代的领导者。

斯隆研究奖的获奖者将获得为期两年、价值 7.5 万美元的研究资金,可灵活地用于推动自身的研究。

斯隆奖历来被认为是「诺奖风向标」:2007 年以来,该奖项历届获得者中已有 51 人获诺贝尔奖,17 人获数学界最高荣誉菲尔兹奖,69 人获美国国家科学奖,20 人获约翰贝茨克拉克奖。

目前,斯隆研究奖向七个科学和技术领域的学者开放,分别为化学、计算机科学、地球系统科学、经济学、数学、神经科学和物理学。

2023 年度的斯隆奖获奖者来自美国和加拿大的 54 个机构,共 125 位早期研究者。今年获奖的华人学者近 30 位,占获奖者人数的五分之一。

本年度计算机科学领域的获奖者共有 22 位,其中 4 位华人学者均为清华大学校友,分别是 MIT 电子工程学院副教授韩松、CMU 机器学习系助理教授李远志、芝加哥大学计算机系助理教授谭宸浩、马里兰大学计算机科学助理教授伍骁迪。

图片

https://sloan.org/fellowships/2023-Fellows

以下是部分获奖者的详细资料:

韩松

图片

韩松(Song Han)是麻省理工学院(MIT)电子工程学院副教授,他本科毕业于清华大学,博士毕业于斯坦福大学,师从英伟达首席科学家 Bill Dally 教授。他的研究广泛涉足深度学习和计算机体系结构,提出了广泛用于高效人工智能计算的「深度压缩」技术,以及率先为现代人工智能芯片带来权重稀疏性的「高效推理引擎」,并影响了英伟达的安培 GPU 架构等硬件产品。

韩松开创了 TinyML 研究,将深度学习带入物联网设备,实现了边缘端的机器学习。他的团队在硬件感知神经架构搜索(once-for-all network)方面的工作使人们能够设计、优化、收缩和部署 AI 模型到资源受限的硬件设备上,在许多低功耗计算机视觉竞赛中获得第一名。

韩松提出的 Deep Compression 模型压缩技术曾获得 ICLR 2016 最佳论文,ESE 稀疏神经网络推理引擎获得 FPGA 2017 最佳论文,他也获得过 Amazon、Facebook、英伟达、三星和索尼的教师奖项。

韩松的研究成果已在 Xilinx、英伟达、Meta、三星得到广泛应用。韩松在博士期间与同为清华大学毕业的汪玉、姚颂联合创立了深鉴科技,其核心技术之一为神经网络压缩算法,随后深鉴科技被美国半导体公司赛灵思收购。2018 年,韩松加入 MIT 担任助理教授,入选 2019 年度麻省理工科技评论 35 Innovators under 35,并在 2020 年获得 NSF CAREER Award。

李远志

图片

李远志(Yuanzhi Li)是卡耐基梅隆大学机器学习系的助理教授,MBZUAI 兼职助理教授。他曾在斯坦福计算机科学系的博士后(2018-2019),此前于普林斯顿大学 (2014-2018) 获得了计算机科学博士学位,并获得了理学学士学位。2014 年,他在清华大学获得计算机科学与数学学士。

李远志目前从事深度学习理论方面的工作,主要包括深度学习的基础理论与实践、凸优化算法与非凸优化算法设计、数据处理算法分析等。

谭宸浩

图片

谭宸浩(Chenhao Tan)是芝加哥大学计算机系助理教授,他本科在清华大学获得计算机和经济学双学位,计算机系导师为唐杰教授,博士毕业于康奈尔大学计算机系。他的主要研究方向为自然语言处理、计算社会科学,具体包括语言和社会动态、以人为中心的机器学习,探索如何使用机器学习来增强人类能力,并增强人类在决策和写作方面的智能,包括可解释机器学习模型及开发新交互范式和评估设置。

伍骁迪

图片

伍骁迪(Xiaodi Wu)是马里兰大学帕克分校计算机科学系和高级计算机研究所的助理教授,也是量子信息与计算机科学联合中心 (QuICS) 的研究员。作为 QuICS 研究员,他从事量子信息和计算的理论方面的工作,包括经典和量子密码学、量子通信、量子算法等。

在来到 UMD 之前,伍骁迪于 2015 年至 2017 年任俄勒冈大学计算机与信息科学系的助理教授。他还曾任麻省理工学院的博士后助理和伯克利西蒙斯计算理论研究所的西蒙斯研究员。

伍骁迪于 2013 年在密歇根大学安娜堡分校获得理论计算机科学博士学位,导师为施尧耘。此前,他在 2008 年获得了清华大学学术英才计划的数学与物理学士学位。


本年度计算机科学领域的其他获奖者包括:


  • Sepehr Assadi, Rutgers, 新泽西州立大学

  • Jimmy Ba, 多伦多大学

  • Leilani Battle, 华盛顿大学

  • Jeannette Bohg, 斯坦福大学

  • Luca Carlone, 麻省理工学院

  • Eshan Chattopadhyay, 康奈尔大学

  • Greg Durrett, 得克萨斯大学奥斯汀分校

  • Zakir Durumeric, 斯坦福大学

  • Roya Ensafi, 密歇根大学

  • Chelsea B. Finn,斯坦福大学

  • Elena L. Glassman, 哈佛大学

  • Felix Heide, 普林斯顿大学

  • Stratos Idreos, 哈佛大学

  • Angjoo Kanazawa, 加州大学伯克利分校

  • Anirudha Majumdar, 普林斯顿大学

  • Jonathan M. Ragan-Kelley, 麻省理工学院

  • Sushant Sachdeva,多伦多大学

  • Rashmi Vinayak,卡耐基梅隆大学


其他学科和学者:


化学


  • Jennifer Bridwell-Rabb, University of Michigan

  • Andrew R. Buller, University of Wisconsin, Madison

  • Justin R. Caram, University of California, Los Angeles

  • Tim A. Cernak, University of Michigan

  • Saurabh S. Chitnis, Dalhousie University

  • Todd R. Gingrich, Northwestern University

  • Rafael Gómez-Bombarelli, Massachusetts Institute of Technology

  • Mia Huang, Scripps Research Institute

  • Brian B. Liau, Harvard University

  • Long Luo, Wayne State University

  • Shaama Mallikarjun Sharada, University of Southern California

  • Andrew J. Musser, Cornell University

  • Giulia Palermo, University of California, Riverside

  • Tod A. Pascal, University of California, San Diego

  • Hang Ren, The University of Texas, Austin

  • Kimberly A. See, California Institute of Technology

  • Christo S. Sevov, Ohio State University

  • Mei Shen, University of Illinois, Urbana-Champaign

  • Lingyan Shi, University of California, San Diego

  • Andrej Singer, Cornell University

  • Jesús M. Velázquez, University of California, Davis

  • Junpeng Wang, University of Akron

  • Kevin D. Welsher, Duke University

  • Alison E. Wendlandt, Massachusetts Institute of Technology

  • Huiyuan Zhu, University of Virginia


地球系统科学


  • Tripti Bhattacharya, Syracuse University

  • Benjamin A. Black, Rutgers, The State University of New Jersey

  • Christo Buizert, Oregon State University

  • Shane C. Campbell-Staton, Princeton University

  • Alexandra G. Konings, Stanford University

  • Kimberly V. Lau, The Pennsylvania State University

  • Kaighin A. McColl, Harvard University

  • Angeline G. Pendergrass, Cornell University

  • Lidya G. Tarhan, Yale University 


经济学


  • Manasi Deshpande, The University of Chicago

  • Peter Hull, Brown University

  • Alex Imas, The University of Chicago

  • Shengwu Li, Harvard University

  • Yueran Ma, The University of Chicago

  • Mikkel Plagborg-Møller, Princeton University

  • Tobias Salz, Massachusetts Institute of Technology

  • Guo Xu, University of California, Berkeley


数学


  • Yuansi Chen, Duke University

  • Duncan Dauvergne, University of Toronto

  • Edgar Dobriban, University of Pennsylvania

  • Jeremy Hahn, Massachusetts Institute of Technology

  • Zheng Tracy Ke, Harvard University

  • Roy R. Lederman, Yale University

  • Nicole R. Looper, University of Illinois at Chicago

  • Bhargav Narayanan, Rutgers, The State University of New Jersey

  • Sam Raskin, The University of Texas, Austin

  • Jose Israel Rodriguez, University of Wisconsin, Madison

  • Pedro J. Sáenz, University of North Carolina, Chapel Hill

  • Will Sawin, Columbia University

  • Sophie Spirkl, University of Waterloo

  • Hiro Lee Tanaka, Texas State University

  • Yunqing Tang, University of California, Berkeley

  • Caroline Terry, Ohio State University

  • Xiaochuan Tian, University of California, San Diego

  • Alexander S. Wein, University of California, Davis

  • Jonathan J. Zhu, University of Washington

  • Ziquan Zhuang, Johns Hopkins University


神经科学


  • Andrea M. Gomez, University of California, Berkeley

  • Christine Grienberger, Brandeis University

  • John Jimah, Princeton University

  • Ann Kennedy, Northwestern University

  • Kate L. Laskowski, University of California, Davis

  • Samantha C. Lewis, University of California, Berkeley

  • Jeffrey Markowitz, Georgia Institute of Technology

  • Derrick J. Morton, University of Southern California

  • Nicolas C. Pégard, University of North Carolina, Chapel Hill

  • Cengiz Pehlevan, Harvard University

  • Ben Scholl, University of Pennsylvania

  • Gregg Sparkman, Boston College

  • Mubarak Hussain Syed, University of New Mexico

  • Anastassia Voronova, University of Alberta

  • Helen E. Vuong, University of Minnesota

  • Anqi Wu, Georgia Institute of Technology

  • Herbert Zheng Wu, Icahn School of Medicine at Mount Sinai


物理学


  • Debanjan Chowdhury, Cornell University

  • Clay Córdova, The University of Chicago

  • Benedikt Diemer, University of Maryland, College Park

  • Maria R. Drout, University of Toronto

  • Javier M. Duarte, University of California, San Diego

  • Ronald Fernando Garcia Ruiz, Massachusetts Institute of Technology

  • Alannah Hallas, University of British Columbia

  • Erin Kara, Massachusetts Institute of Technology

  • Jia (Leo) Li, Brown University

  • Qiong Ma, Boston College

  • Alireza Marandi, California Institute of Technology

  • Tejaswi Venumadhav Nerella, University of California, Santa Barbara

  • Alison E. Patteson, Syracuse University

  • Orit Peleg, University of Colorado, Boulder

  • Benjamin R. Safdi, University of California, Berkeley

  • Robyn E. Sanderson, University of Pennsylvania

  • Peter Schauss, University of Virginia

  • Dries Sels, New York University

  • Leo C. Stein, University of Mississippi

  • Shuo Sun, University of Colorado, Boulder

  • Sagar Vijay, University of California, Santa Barbara

  • Sanfeng Wu, Princeton University

  • Jing Yan, Yale University

  • Irina Zhuravleva, The University of Chicago


参考内容:

https://sloan.org/fellowships/2023-Fellows

https://sloan.org/storage/app/media/files/press_releases/Announcing-the-2023-Sloan-Research-Fellows.pdf

产业斯隆奖
相关数据
Amazon机构

亚马逊(英语:Amazon.com Inc.,NASDAQ:AMZN)是一家总部位于美国西雅图的跨国电子商务企业,业务起始于线上书店,不久之后商品走向多元化。目前是全球最大的互联网线上零售商之一,也是美国《财富》杂志2016年评选的全球最大500家公司的排行榜中的第44名。

https://www.amazon.com/
相关技术
清华大学机构

清华大学(Tsinghua University),简称“清华”,由中华人民共和国教育部直属,中央直管副部级建制,位列“211工程”、“985工程”、“世界一流大学和一流学科”,入选“基础学科拔尖学生培养试验计划”、“高等学校创新能力提升计划”、“高等学校学科创新引智计划”,为九校联盟、中国大学校长联谊会、东亚研究型大学协会、亚洲大学联盟、环太平洋大学联盟、清华—剑桥—MIT低碳大学联盟成员,被誉为“红色工程师的摇篮”。 清华大学的前身清华学堂始建于1911年,因水木清华而得名,是清政府设立的留美预备学校,其建校的资金源于1908年美国退还的部分庚子赔款。1912年更名为清华学校。1928年更名为国立清华大学。1937年抗日战争全面爆发后南迁长沙,与北京大学、南开大学组建国立长沙临时大学,1938年迁至昆明改名为国立西南联合大学。1946年迁回清华园。1949年中华人民共和国成立,清华大学进入了新的发展阶段。1952年全国高等学校院系调整后成为多科性工业大学。1978年以来逐步恢复和发展为综合性的研究型大学。

http://www.tsinghua.edu.cn/
相关技术
深鉴科技机构

深鉴科技成立于2016年3月,定位为深度学习硬件解决方案公司,将以自主研发的深度压缩与深度学习处理器(DPU)为核心,打造最好用的解决方案和最高效的整体系统,提供硬件+芯片+软件+算法的完整方案,方便所有人使用。同时,深鉴主要瞄准智慧城市和数据中心两大市场,可帮助用户为多种智能安防场景打造稳定高效的解决方案。

相关技术
韩松人物

2017 年斯坦福大学电子工程系博士毕业,师从 NVIDIA 首席科学家 Bill Dally 教授。他的研究也广泛涉足深度学习和计算机体系结构,他提出的 Deep Compression 模型压缩技术曾获得 ICLR'16 最佳论文,ESE 稀疏神经网络推理引擎获得 FPGA'17 最佳论文,对业界影响深远。他的研究成果在 NVIDIA、Google、Facebook 得到广泛应用,博士期间创立了深鉴科技,现为麻省理工学院电气工程和计算机科学系的助理教授。

唐杰人物

唐杰是清华大学计算机系副教授。他以学术社交网络搜索系统Arnetminer而闻名,该系统于2006年3月推出,目前已吸引来自220个国家的2,766,356次独立IP访问。他的研究兴趣包括社交网络和数据挖掘。

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。

权重技术

线性模型中特征的系数,或深度网络中的边。训练线性模型的目标是确定每个特征的理想权重。如果权重为 0,则相应的特征对模型来说没有任何贡献。

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。

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)

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。

凸优化技术

凸优化,或叫做凸最优化,凸最小化,是数学最优化的一个子领域,研究定义于凸集中的凸函数最小化的问题。凸优化在某种意义上说较一般情形的数学最优化问题要简单,譬如在凸优化中局部最优值必定是全局最优值。凸函数的凸性使得凸分析中的有力工具在最优化问题中得以应用,如次导数等。 凸优化应用于很多学科领域,诸如自动控制系统,信号处理,通讯和网络,电子电路设计,数据分析和建模,统计学(最优化设计),以及金融。在近来运算能力提高和最优化理论发展的背景下,一般的凸优化已经接近简单的线性规划一样直捷易行。许多最优化问题都可以转化成凸优化(凸最小化)问题,例如求凹函数f最大值的问题就等同于求凸函数 -f最小值的问题。

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。

神经网络技术

(人工)神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型,那时候研究者构想了「感知器(perceptron)」的想法。这一领域的研究者通常被称为「联结主义者(Connectionist)」,因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型,它们都是前馈神经网络:卷积神经网络(CNN)和循环神经网络(RNN),其中 RNN 又包含长短期记忆(LSTM)、门控循环单元(GRU)等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习,但也有一些为无监督学习设计的变体,比如自动编码器和生成对抗网络(GAN)。

深度压缩技术

韩松等人提出的深度压缩(Deep Compression)由剪枝、量化训练和可变长度编码(variable-length coding)组成,它可以压缩深度神经网络数个量级而没有什么预测准确度损失。「深度压缩」是一种三阶段流程,它可以在保留原始准确度的情况下减小深度神经网络的模型大小。

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。

推理引擎技术

推理机是实施问题求解的核心执行机构,常见于专家系统。它是对知识进行解释的程序,根据知识的语义,对按一定策略找到的知识进行解释执行,并把结果记录到动态库的适当空间中去。

Xilinx机构

赛灵思作为FPGA、可编程SoC的发明者,一直坐稳全球最大的FPGA芯片供应商头把交椅。赛灵思的产品线覆盖45/28/20/16nm四个系列的FPGA以及Zynq SoC,旗下拥有着超过4400项技术专利、60多项行业第一的技术产品,服务着全球超过60000的客户。赛灵思耗时4年,超过1500名工程师的研发参与,超过10亿美元的研发投资,推出高度集成的多核异构自适应计算加速平台——ACAP!10月赛灵思发布了统一软件平台Vitis,成功“打破软硬件壁垒”。

https://china.xilinx.com/
相关技术
神经网络压缩技术

神经网络压缩方向是目前深度学习研究的一个热门的方向,其主要的研究方向是压缩,蒸馏,网络架构搜索,量化等。

推荐文章
暂无评论
暂无评论~