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

2024谷歌研究学者计划名单公布:清华、北大、上交ACM班等校友在列

2024 年谷歌研究学者计划共涉及 12 个领域,多位华人学者获奖。

2024 年谷歌研究学者计划(Research Scholar Program)获奖名单公布了。获奖者最高将获得 6 万美元奖金,用于支持研究工作。

今年该计划共涉及 12 个领域,包括算法与优化;应用科学;人机交互;健康研究;机器学习数据挖掘;机器感知;系统;自然语言处理;隐私;量子计算;安全;软件工程和编程语言。
图片
链接:https://research.google/programs-and-events/research-scholar-program/recipients/?filtertab=2024

机器之心将获奖华人学者名单整理如下(排名不分先后):

算法与优化

  • 顾研(Yan Gu):加州大学河滨分校
  • Yihan Sun:加州大学河滨分校
  • 获奖研究:图挖掘的高效并行算法
图片
顾研现在担任加州大学河滨分校 (UCR) 计算机科学与工程 (CSE) 系助理教授。在此之前,他于 2019 年在 MIT CSAIL 攻读博士后, 2018 年在Guy Blelloch教授的指导下完成CMU博士学位,2012 年获得了清华大学计算机科学学士学位。他的研究兴趣是为大规模数据设计高效(通常是并行)算法,并在实践中具有良好的性能。
图片
Yihan Sun为加州大学河滨分校 (UCR)助理教授。此前,她在Guy Blelloch教授指导下获得CMU博士学位,于清华大学获得计算机科学学士学位。Yihan Sun的研究兴趣主要包括数据结构、框架、实现、编程工具及其应用。从个人简介中我们得知,Yihan Sun和顾研是夫妻关系。

应用科学

  • Shu-han Hsu:台湾成功大学
  • 获奖研究:自适应透射电子显微镜 (TEM):整合大型语言模型以实现自动化 TEM 成像、调试和可解释性
图片
Shu-han Hsu为该校助理教授,主要研究方向为半导体可靠度与良率管理、机器学习数据分析

  • Eric Y. Ma:UC伯克利
  • 获奖研究:用大型语言模型解析物理文献
图片
Eric Y. Ma 于2010年本科毕业于北京大学物理学专业,2016年在斯坦福大学获得应用物理学博士学位。他还曾短暂担任过苹果公司的高级科学家。2021 年 7 月,Eric Y. Ma受 EECS 邀请,全职加入加州大学伯克利分校,担任物理学助理教授。Eric Y. Ma的研究兴趣包括原子、分子和光学物理、凝聚态物理和材料科学。

人机交互

  • Hong Shen:CMU
  • 获奖研究:理解和支持AI红队中的边缘化社区
图片
Hong Shen是CMU人机交互研究所的助理研究教授。她是一位跨学科学者,研究方向为人机交互、通信和公共政策的交叉点。她广泛研究数字平台和算法系统的社会、伦理和政策影响,重点关注人工智能机器学习中的偏见、公平、社会正义和权力关系。

健康研究

  • Irene Y. Chen:UC伯克利,加州大学旧金山分校
  • Anna Zink:芝加哥大学
  • 获奖研究:缩小差距,评估和改进临床风险预测模型
图片
Irene Y. Chen是加州大学伯克利分校和加州大学旧金山分校计算精确健康和 EECS 领域的助理教授,也是伯克利人工智能研究中心 (BAIR) 的教员。她的研究主要包括如何使医疗保健机器学习系统变得更加强大、有影响力和公平。此前,Irene在麻省理工学院获得电气工程和计算机科学博士学位,在哈佛大学获得应用数学硕士学位。

  • Xiang Li:麻省总医院,哈佛医学院
  • Quanzheng Li:麻省总医院,哈佛医学院
  • 获奖研究:为医疗资源有限的晚期抑郁症患者的诊断和管理量身定制大型语言模型
图片
Xiang Li是麻省总医院和哈佛医学院放射科助理教授。此前,他于 2016 年在佐治亚大学获得计算机科学博士学位,导师为杰出教授、AIMBE Fellow Tianming Liu。Xiang Li主要研究兴趣是医学数据分析,重点是临床数据简化、大数据框架、多模态多尺度图像融合和基础模型。
图片
Quanzheng Li为麻省总医院副研究员、哈佛医学院放射学副教授。他本科毕业于浙江大学、硕士毕业于清华大学,主要研究兴趣包括图像重建、医学图像分析、医学深度学习、多模态医学数据分析

机器学习数据挖掘

  • 姜楠(Nan Jiang):伊利诺伊大学厄巴纳-香槟分校(UCUI)
  • 获奖研究:线上和线下强化学习的统一与新型交互协议
图片
姜楠为 UIUC 计算机科学助理教授,作为一名机器学习研究者,他的工作重点是建立强化学习(RL)的理论基础,特别是在函数逼近设置方面。

姜楠于密歇根大学获得计算机科学与工程博士学位,师从 Satinder Singh 教授;本科毕业于清华大学。姜楠的主要研究方向包括强化学习机器学习人工智能

他所从事的研究获得过多个奖项,如 AAMAS 2015 最佳论文奖、ICML 2022 优秀论文亚军等。现在他的谷歌学术引用为 4885 次。

  • Chenguang Wang:圣路易斯华盛顿大学
  • 获奖研究:在基础响应之前:学习大型语言模型的基础参考
图片
Chenguang Wang为圣路易斯华盛顿大学计算机科学与工程系助理教授,也是华盛顿大学自然语言处理小组的创始人和主任。此前,他是加州大学伯克利分校计算机科学专业的博士后,博士毕业于北京大学

  • 赵晗:伊利诺伊大学厄巴纳-香槟分校 
  • 获奖研究:通过后处理实现值得信赖的机器学习
图片
赵晗是伊利诺伊大学厄巴纳-香槟分校计算机科学系助理教授,隶属于电气与计算机工程系。他在卡内基梅隆大学机器学习系获得了博士学位,导师为Geoff Gordon。此前,他获得了清华大学计算机科学系的学士学位和滑铁卢大学的数学硕士学位。

赵晗对值得信赖的机器学习有着广泛的兴趣,特别关注迁移学习(领域适应/泛化/分布鲁棒性、多任务/元学习)、算法公平性、概率电路及其在自然语言、信号处理和定量金融中的应用,长期目标是构建高效、稳健、公平且可解释的值得信赖的机器学习系统。

  • Song Mei:加州大学伯克利分校 
  • 获奖研究:基础模型和生成式AI的理论基础
图片
Song Mei是加州大学伯克利分校统计系以及电气工程和计算机科学系助理教授。2020 年 6 月,他在斯坦福大学获得了博士学位,导师为Andrea Montanari。

他的研究处于统计学、机器学习信息论和计算机科学的交叉领域,研究兴趣包括语言模型和扩散模型、深度学习理论、强化学习理论、高维统计、量子算法和不确定性量化

机器感知

  • Jia-Bin Huang:马里兰大学帕克分校 
  • 获奖研究:文本驱动的动态 3D 场景生成
图片
Jia-Bin Huang是马里兰大学帕克分校计算机科学系副教授,研究重点是推动计算机以与人类相同的方式感知图像和视频。更具体地说,是开发用于识别和重建图像和视频中底层动态三维场景的计算方法。此前,Jia-Bin Huang在 Meta Reality 实验室担任了一年的研究科学家。在此之前,他是弗吉尼亚理工大学电气与计算机工程系的助理教授。

Jia-Bin Huang于 2016 年获得伊利诺伊大学香槟分校(UIUC)电气与计算机工程博士学位,曾获得了 IAPR 模式识别国际会议(ICPR)最佳学生论文奖等荣誉。

  • Yu-Lun Liu:国立阳明交通大学(中国台湾)
  • 获奖研究:利用动态 3D 高斯实现时空视频超分辨率
图片
Yu-Lun Liu是国立阳明交通大学计算机科学系的助理教授,致力于图像/视频处理、计算机视觉和计算摄影方向的研究,特别是需要利用几何和特定领域知识的见解进行机器学习的基本问题。

2022 年,Yu-Lun Liu在NTU、CSIE获得博士学位。在加入这所大学之前,他是Meta Reality Labs Research 的实习研究科学家,也是MediaTek Inc的高级软件工程师。

自然语言处理

  • Ming Jiang:印第安纳大学
  • 获奖研究:多样性中的统一:增强跨文化交流语言技术的地缘文化能力
图片
Ming Jiang的研究主要集中于可信自然语言处理(NLP)和人工智能(AI),以防止数字知识获取和管理中的错误信息传播,尤其关注开发算法和资源,以了解人类和人工智能系统如何从文本和图像等数字对象中感知信息。

在加入IU Indianapolis之前,Ming Jiang是伊利诺伊大学厄巴纳-香槟分校的一名博士生,从事由 HathiTrust 研究中心支持的研究项目。攻读博士学位期间,她曾在微软研究院的深度学习小组实习。

隐私

  • Yupeng Zhang:伊利诺伊大学厄巴纳-香槟分校
  • 获奖研究:训练证明及其在机器非遗忘和差分隐私中的应用

图片

Yupeng Zhang是伊利诺伊大学厄巴纳-香槟分校电气与计算机工程和计算机科学(附属)专业的助理教授。研究领域为网络安全和应用密码学,近期研究包括零知识证明、安全多方计算及其在区块链机器学习中的应用,以提高隐私性、公平性和可扩展性。

在加入 UIUC 之前,Yupeng Zhang在德克萨斯农工大学计算机科学与工程系度过了 4 年美好时光。此前他在加州大学伯克利分校从事博士后研究,导师是 Dawn Song。Yupeng Zhang在马里兰大学获得了博士学位,导师是 Charalampos Papamanthou 和 Jonathan Katz。

  • Peihan Miao:布朗大学
  • 获奖研究:面向更广泛应用的可扩展隐私设置交集
图片
Peihan Miao 是布朗大学计算机科学系助理教授。她的研究兴趣广泛,涉及密码学、安全和理论计算机科学,重点是安全多方计算。

Peihan Miao 2019年获得加州大学伯克利分校博士学位,师从Sanjam Garg,并获得上海交通大学ACM荣誉班学士学位。博士毕业后,她在 Visa Research 担任了一年的研究科学家,并于 2020 年至 2022 年在伊利诺伊大学芝加哥分校担任助理教授。

量子计算

  • Linran Fan:德克萨斯大学奥斯汀分校
  • 获奖研究:用于可扩展量子计算网络的相干超导光子传感器
图片
Linran Fan 是德克萨斯大学奥斯汀分校电气与计算机工程系的助理教授。他在2011年获得北京大学物理学学士学位,2017年获得耶鲁大学电气工程博士学位,2018年在加州理工学院从事博士后工作。2018年8月加入亚利桑那大学光学科学学院担任助理教授,2023 年 8 月加入德克萨斯大学奥斯汀分校电气与计算机工程系。

他的研究兴趣集中在新型集成器件和材料的混合系统中量子水平上光学光子、超导电路、电子自旋和声波之间的非线性相互作用。目标应用包括量子信息科学增强的光子信息处理、通信和精密测量。

安全

  • Jiang Ming:杜兰大学
  • 获奖研究:Android 中第三方库的精确检测:利用环境类上下文实现全局最优匹配
图片
Jiang Ming是杜兰大学计算机科学系助理教授。他在宾夕法尼亚州立大学获得了博士学位,研究兴趣涵盖软件和系统安全,包括安全问题的二进制代码分析与验证、硬件辅助软件安全分析等,旨在立足于实际的安全问题,着眼于开发有效的解决方案来应对当今新兴技术造成的现实威胁。他的研究曾获得ACM SIGPLAN 杰出论文奖。

软件工程和编程语言

  • Xiaoning Du:莫纳什大学
  • 获奖研究:迈向更快、更环保的LLM辅助编程
图片
Xiaoning Du现在是莫纳什大学信息技术学院软件系统与网络安全系的讲师(又称助理教授)。2014 年,Xiaoning Du获得复旦大学软件工程学士学位,2015 年到 2020 年在南洋理工大学攻读博士学位,师从刘洋教授。在加入莫纳什大学之前,我在南洋理工大学担任博士后研究员,师从Yi Li教授。

Xiaoning Du的研究主要集中在传统软件和基于学件的智能软件的安全和质量保证,包括但不限于软件测试、程序分析、漏洞检测和运行时验证。最近的研究方向包括人工智能软件系统的 DevOps 颇感兴趣,其目的是规范人工智能辅助解决方案的开发和评估过程,支持其部署后的运行,并保证可信和可持续的人工智能服务。
产业2024 年谷歌研究学者计划
相关数据
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
复旦大学机构

复旦大学(Fudan University),简称“复旦”,位于中国上海,由中华人民共和国教育部直属,中央直管副部级建制,国家双一流(A类)、985工程、211工程建设高校,入选珠峰计划、111计划、2011计划、卓越医生教育培养计划、卓越法律人才教育培养计划、国家建设高水平大学公派研究生项目,九校联盟(C9)、中国大学校长联谊会、东亚研究型大学协会、环太平洋大学协会的重要成员,是一所世界知名、国内顶尖的全国重点大学。

相关技术
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。

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。

图像重建技术

通过物体外部测量的数据,经数字处理获得三维物体的形状信息的技术。图像重建技术开始是在放射医疗设备中应用,显示人体各部分的图像,即计算机断层摄影技术,简称CT技术,后逐渐在许多领域获得应用。主要有投影重建、明暗恢复形状、立体视觉重建和激光测距重建。

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)

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。

元学习技术

元学习是机器学习的一个子领域,是将自动学习算法应用于机器学习实验的元数据上。现在的 AI 系统可以通过大量时间和经验从头学习一项复杂技能。但是,我们如果想使智能体掌握多种技能、适应多种环境,则不应该从头开始在每一个环境中训练每一项技能,而是需要智能体通过对以往经验的再利用来学习如何学习多项新任务,因此我们不应该独立地训练每一个新任务。这种学习如何学习的方法,又叫元学习(meta-learning),是通往可持续学习多项新任务的多面智能体的必经之路。

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。

信号处理技术

信号处理涉及到信号的分析、合成和修改。信号被宽泛地定义为传递“关于某种现象的行为或属性的信息(如声音、图像和生物测量)”的函数。例如,信号处理技术用于提高信号传输的保真度、存储效率和主观质量,并在测量信号中强调或检测感兴趣的组件。我们熟悉的语音、图像都可以看做是一种信号形式。因此,对于语音、图像的增强、降噪、识别等等操作本质上都是信号处理。

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。

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。

信息论技术

信息论是在信息可以量度的基础上,研究有效地和可靠地传递信息的科学,它涉及信息量度、信息特性、信息传输速率、信道容量、干扰对信息传输的影响等方面的知识。通常把上述范围的信息论称为狭义的信息论,又因为它的创始人是香农,故又称为香农信息论。

人机交互技术

人机交互,是一门研究系统与用户之间的交互关系的学问。系统可以是各种各样的机器,也可以是计算机化的系统和软件。人机交互界面通常是指用户可见的部分。用户通过人机交互界面与系统交流,并进行操作。小如收音机的播放按键,大至飞机上的仪表板、或是发电厂的控制室。

语言模型技术

语言模型经常使用在许多自然语言处理方面的应用,如语音识别,机器翻译,词性标注,句法分析和资讯检索。由于字词与句子都是任意组合的长度,因此在训练过的语言模型中会出现未曾出现的字串(资料稀疏的问题),也使得在语料库中估算字串的机率变得很困难,这也是要使用近似的平滑n元语法(N-gram)模型之原因。

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/
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。

迁移学习技术

迁移学习 是属于机器学习的一种研究领域。它专注于存储已有问题的解决模型,并将其利用在其他不同但相关问题上。比如说,用来辨识汽车的知识(或者是模型)也可以被用来提升识别卡车的能力。计算机领域的迁移学习和心理学常常提到的学习迁移在概念上有一定关系,但是两个领域在学术上的关系非常有限。

视频超分辨率技术

视频超分辨率是将视频从低分辨率升级到高分辨率的任务。

量化技术

深度学习中的量化是指,用低位宽数字的神经网络近似使用了浮点数的神经网络的过程。

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/
暂无评论
暂无评论~