KDD Cup 2021 | 微软亚洲研究院Graphormer模型荣登OGB-LSC图预测赛道榜首
在刚刚结束的由 KDD Cup 2021 和 Open Graph Benchmark 官方联合举办的第一届 OGB Large-Scale Challenge 中，来自微软亚洲研究院的研究员和大连理工大学等高校的实习生们通过借鉴 Transformer 模型的思路，创新性地提出了可应用于图结构数据的 Graphormer 模型，在大规模分子性质预测任务中击败了全球包括 DeepMind 在内的多个技术实力强劲的公司和研究机构，取得了第一名的佳绩。
发布时间：2021-06-20 类型：深度文章
学术新星畅谈计算机视觉科研之路：视觉研究已经成熟，跨学科方法成为趋势
4月22日，微软亚洲研究院创研论坛 CVPR 2021 论文分享会在线上举行。来自国内外计算机视觉领域的21位优秀代表与观众零距离交流，分享了他们在 CVPR 2021 发表的最新研究成果。本届活动特别邀请了来自卡耐基梅隆大学、哥伦比亚大学、布朗大学、苏黎世联邦理工学院、斯坦福大学、南京理工大学和旷视研究院的7位学术新星，一起畅谈“计算机视觉科研之路”，讨论的内容从研究方向到研究心态，以及未来计算机视觉的探索方向等。
发布时间：2021-05-13 类型：深度文章
一份来自微软亚洲研究院的实习“入坑”指南：学历不重要，学校也不重要，你重要
经常收到大家的各种留言、私信，询问如何到微软亚洲研究院实习？微软亚洲研究院需要什么样的实习生？到研究院实习能够学到什么？…… 带着这些问题，小编咨询了在微软亚洲研究院实习生招聘过程中“久经沙场”且对带实习生有丰富经验的研究员和研究工程师，希望能够解答各位申请者的一些疑惑。其中关于“令人眼前一亮的简历”、“面试时考察的能力”、“跨专业实习”等回答或许对提高综合实力也有借鉴意义哦。
发布时间：2021-04-22 类型：深度文章
计算机图形学诞生于二十世纪六十年代，主要的研究内容是研究如何使用数学算法在计算机中有效地表达、生成、处理以及显示相关图像和图形。作为一门计算机应用科学，计算机图形学近年来的快速发展极大地促进了计算机辅助设计、虚拟现实、游戏、动画、影视特效等行业的发展。
发布时间：2021-04-16 类型：深度文章
如今，我们每天都在手机、电脑、平板等移动设备上享受着各种软件提供的便捷服务，比如新闻推荐、购物、打车、聊天、搜索等等。这些便捷服务的背后离不开底层计算机软件系统的支持，计算机系统研究的创新则为各种技术提供了持续提升与变革的肥沃“土壤”。计算机系统研究关注于创造新的方法论和工程技术，以构建高效、节能、鲁棒、可扩展、安全和交互友好的软硬件系统。为了帮助大家更好地了解、学习计算机系统研究领域的相关知识，我们邀请了微软亚洲研究院系统研究组高级研究员林昊翔为大家推荐了该领域的五本经典书籍，内容涵盖系统基础原理、操作系统、并发计算、分布式系统等。
发布时间：2021-02-24 类型：深度文章
对于研究者而言，撰写研究计划必不可少，但是写好一份研究计划却并不容易。如何撰写出色的研究计划？撰写过程中有哪些注意事项？本文将为大家梳理研究计划的评判标准，以及撰写过程中可能出现的问题。
发布时间：2021-02-13 类型：深度文章
为进一步实现用 AI 赋能用户体验，微软正在不断拓展多语言模型的边界。近日，由微软图灵团队与微软亚洲研究院联合探索的最新跨语言研究成果——多语言预训练模型 T-ULRv2，登顶 XTREME 排行榜，T-ULRv2 可以在相同向量空间表示和理解94种语言，提升所有语言的产品体验。
发布时间：2020-11-04 类型：深度文章
代码智能新基准数据集CodeXGLUE来袭，多角度衡量模型优劣
代码智能（code intelligence）目的是让计算机具备理解和生成代码的能力，并利用编程语言知识和上下文进行推理，支持代码检索、补全、翻译、纠错、问答等场景。以深度学习为代表的人工智能算法，近年来在理解自然语言上取得了飞跃式的突破，代码智能也因此获得了越来越多的关注。该领域一旦有突破，将大幅度推动 AI 在软件开发场景的落地。
发布时间：2020-09-29 类型：深度文章
7月9日至11日，以“智联世界共同家园”为主题的2020世界人工智能大会云端峰会（第三届）拉开帷幕。微软再次作为大会的战略合作伙伴，于7月10日下午在线举办“人工智能予力永续未来”微软主题论坛，与国内外专家、学者和商业领袖围绕AI、IoT技术在多个领域的应用，探讨前沿科技如何推进整个社会的可持续发展。下面咱们一同回顾微软大中华区首席转型官赵质忠，远景智能副总裁赵楚泓与赛诺菲普药中国区医学部负责人谷成明博士的圆桌论坛分享：AIoT（人工智能物联网）赋能可持续发展。
发布时间：2020-07-16 类型：深度文章
微软与清华大学联合提出DeepRSM模型，以AI助力空气污染治理
控制和减少污染物排放是治理空气污染的重要手段，精准的排放-污染物浓度响应曲面可以帮助决策者快速找到效果更好的减排方案。但传统排放-污染物浓度响应曲面需要依赖 CTM 模型进行模拟，其存在计算量庞大、运行耗时耗力、时效性低等问题。对此，微软亚洲研究院与清华大学联合提出 DeepRSM 模型，能够精细地刻画空气污染物浓度，帮助决策者快速找到减排效果更好、成本更低的方案。该研究发表在环境科学顶级期刊《环境科学与技术》上。
发布时间：2020-07-15 类型：深度文章
