2023/07/19 13:05

陈萍、小舟编辑

2023摩根大通博士奖学金名单公布，华人超3/5，西电、川大校友在列

与去年入选 4 位华人博士生（共 11 位）相比，今年华人学生的占比有了显著增加。

近日，摩根大通（J.P.Morgan Chase & Co.）公布了 2023 年博士生奖学金获奖名单。今年一共有 13 位博士生获奖，其中华人博士生 8 位，占比超 3/5。

该奖项设立于 2019 年，据摩根大通 AI 研究主管 Manuela Veloso 介绍，他们设立该奖项的目的是为了激励下一代领先的 AI 研究人员。他们希望创造一个环境，可以激发研究人员产生变革性研究，并在社区和整个行业产生持久的影响。

以下是今年获得摩根大通博士生奖学金的华人博士生简介：

美国东北大学 Dian Wang

Dian Wang 是美国东北大学 Khoury 计算机科学学院一名四年级博士生，导师是 Robert Platt 教授和 Robin Walters 教授。他本科毕业于四川大学。

Dian Wang 的研究兴趣包括机器学习和机器人技术。最近，他的研究重点是几何深度学习和机器人学习的交叉领域，通过将等变学习方法应用于机器人操作来提高学习效率。

佐治亚理工学院 Yuxi Wu

Yuxi Wu 是佐治亚理工学院一名计算机科学博士生，她的导师是 Keith Edwards 和 Sauvik Das。

Yuxi Wu 研究了如何建立集体行动系统以保障用户隐私。具体来说，Yuxi Wu 采用了多种设计探针（design probe）和混合方法。

卡内基梅隆大学 Ke Wu

Ke Wu 是卡内基梅隆大学计算机科学系一名四年级博士生，导师为 Elaine Shi。她本科毕业于复旦大学。

Ke Wu 的研究兴趣在于密码学、博弈论和数据隐私的交叉领域。她的工作特别侧重于设计具有强大安全保障和激励兼容性的去中心化机制。她还致力于设计在联邦学习中提供隐私性和稳健性的加密原语。

UC 伯克利刘啸远（Xiaoyuan Liu）

刘啸远现为 UC 伯克利 EECS 博士生，其导师为 Dawn Song 教授。他本科毕业于上海交通大学 ACM（荣誉）班。

他的研究重点在于通过先进密码技术的实现来开发安全和隐私保护系统，目前正在开展的项目旨在解决真实世界中的安全和隐私问题，其中利用到了同态加密、多方计算、零知识证明和差分隐私等尖端隐私增强技术。

个人主页：https://xiaoyuanliu.cn/

帝国理工学院 Kang Gao

Kang Gao 为帝国理工学院计算机系博士生，师从 Wayne Luk、Stephen Weston 教授。他在帝国理工学院获得硕士学位，在上海财经大学获得学士学位。

Kang Gao 主要研究方向为金融市场建模以及改进金融服务风险管理实践。科研中，他采用多学科方法，涵盖人工智能、基于智能体的建模以及金融数学等领域。目前，Kang Gao 专注于基于智能体的建模，致力于开发创新策略，以持续监控和有效对冲金融风险。

学术主页：https://scholar.google.com/citations?user=Q0W19ygAAAAJ&hl=en

卡内基梅隆大学岑诗聪（Shicong Cen）

岑诗聪为卡内基梅隆大学电气与计算机工程系四年级博士生，师从 Yuejie Chi 教授。2019 年毕业于北京大学，获得学士学位。

岑诗聪主要专注于强化学习和博弈论研究，他通过深入理解策略优化方法的理论，将启发式方法转化为严格的原则，并激发设计新算法以实现可证明的快速收敛。他的研究旨在开发高效的学习方法，以提升强化学习和博弈论的性能，并为这些领域的进一步发展提供理论基础。

个人主页：https://shicongc.me/

美国西北大学翁晨凯（Chenkai Weng）

翁晨凯现为西北大学计算机科学四年级博士生，其导师为 Xiao Wang 教授。他于 2019 年取得了西安电子科技大学的理科学士学位。

翁晨凯的研究兴趣在于应用密码学，重点是安全多方计算（MPC）和零知识证明（ZKP）。他之前的工作涵盖了 MPC（如乱码电路、不经意传输以及基于秘密共享的协议）和 ZKP 协议（基于 VOLE 的 ZK 和非交互式 ZK）的设计、分析和实现。

此外他还致力于将基于密码学的隐私增强技术应用于数据库、网络、形式验证、机器学习、医疗保健和 Web3 系统等多个领域，以构建安全系统。

个人主页：https://ckweng.github.io/

加州大学洛杉矶分校（UCLA） Shichang Zhang

Shichang Zhang 为 UCLA 计算机科学专业四年级博士生，指导教师为 Yizhou Sun 教授。在加入 UCLA 之前，他获得了加州大学伯克利分校的统计学学士学位和斯坦福大学的统计学硕士学位。

Shichang Zhang 的研究兴趣主要集中在开发高效且可解释的机器学习模型，特别是针对图结构数据。他的研究重点是使大型和黑盒机器学习模型具备可访问性和可信度。

个人主页：https://shichangzh.github.io/

参考链接：https://www.jpmorgan.com/technology/artificial-intelligence/research-awards/phd-fellowship-2023

入门摩根大通

相关技术

知识图谱

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.

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.

收敛技术

在数学，计算机科学和逻辑学中，收敛指的是不同的变换序列在有限的时间内达到一个结论（变换终止），并且得出的结论是独立于达到它的路径（他们是融合的）。通俗来说，收敛通常是指在训练期间达到的一种状态，即经过一定次数的迭代之后，训练损失和验证损失在每次迭代中的变化都非常小或根本没有变化。也就是说，如果采用当前数据进行额外的训练将无法改进模型，模型即达到收敛状态。在深度学习中，损失值有时会在最终下降之前的多次迭代中保持不变或几乎保持不变，暂时形成收敛的假象。

来源：Wikipedia Google ML glossary

机器人技术技术

机器人学（Robotics）研究的是「机器人的设计、制造、运作和应用，以及控制它们的计算机系统、传感反馈和信息处理」 [25] 。机器人可以分成两大类：固定机器人和移动机器人。固定机器人通常被用于工业生产（比如用于装配线）。常见的移动机器人应用有货运机器人、空中机器人和自动载具。机器人需要不同部件和系统的协作才能实现最优的作业。其中在硬件上包含传感器、反应器和控制器；另外还有能够实现感知能力的软件，比如定位、地图测绘和目标识别。之前章节中提及的技术都可以在机器人上得到应用和集成，这也是人工智能领域最早的终极目标之一。

来源：机器之心

数据库技术

数据库，简而言之可视为电子化的文件柜——存储电子文件的处所，用户可以对文件中的数据运行新增、截取、更新、删除等操作。所谓“数据库”系以一定方式储存在一起、能予多个用户共享、具有尽可能小的冗余度、与应用程序彼此独立的数据集合。

来源：维基百科

博弈论技术

博弈论，又译为对策论，或者赛局理论，应用数学的一个分支，1944年冯·诺伊曼与奥斯卡·摩根斯特恩合著《博弈论与经济行为》，标志着现代系统博弈理论的的初步形成，因此他被称为“博弈论之父”。博弈论被认为是20世纪经济学最伟大的成果之一

来源：维基百科

强化学习技术

强化学习是一种试错方法，其目标是让软件智能体在特定环境中能够采取回报最大化的行为。强化学习在马尔可夫决策过程环境中主要使用的技术是动态规划（Dynamic Programming）。流行的强化学习方法包括自适应动态规划（ADP）、时间差分（TD）学习、状态-动作-回报-状态-动作（SARSA）算法、Q 学习、深度强化学习（DQN）；其应用包括下棋类游戏、机器人控制和工作调度等。

来源：机器之心

联邦学习技术

如何在保护数据隐私、满足合法合规要求的前提下继续进行机器学习，这部分研究被称为「联邦学习」（Federated Learning）。

北京大学机构

北京大学创办于1898年，初名京师大学堂，是中国第一所国立综合性大学，也是当时中国最高教育行政机关。辛亥革命后，于1912年改为现名。2000年4月3日，北京大学与原北京医科大学合并，组建了新的北京大学。原北京医科大学的前身是国立北京医学专门学校，创建于1912年10月26日。20世纪三、四十年代，学校一度名为北平大学医学院，并于1946年7月并入北京大学。1952年在全国高校院系调整中，北京大学医学院脱离北京大学，独立为北京医学院。1985年更名为北京医科大学，1996年成为国家首批“211工程”重点支持的医科大学。两校合并进一步拓宽了北京大学的学科结构，为促进医学与人文社会科学及理科的结合，改革医学教育奠定了基础。

官网，http://www.pku.edu.cn/