2022 年“铸星计划”已启动！加入微软亚洲研究院不同领域的科研团队，在世界一流的企业级研究实验室中与资深研究员们结成专属“星搭档”；在自由宽松的研究氛围中，和科研团队一起开展人工智能等前沿领域的创新性研究，做出有影响力的学术成果……诸多“星”体验，只待你加入“铸星计划”！（点击“阅读原文”，了解项目详情和报名方式）

为了汇集群星，吸引更多志同道合的优秀青年学者，今年的“铸星计划”特别聚焦几大特别科研主题: 数字化转型助力可持续发展、大数据时代的新理论研究、负责任的人工智能、分子科学与人工智能。本期推送还将向大家特别介绍微软亚洲研究院（上海）及相关研究员。期待与您在科研长空，共铸星光！

2018 年 9 月，微软宣布在上海成立微软亚洲研究院（上海）。微软亚洲研究院（上海）与微软全球研究院的战略定位一致：旨在推动整个计算机科学领域的前沿技术发展；将最新研究成果快速转化到微软的关键产品中；着眼于下一代革命性技术的研究和孵化。

微软亚洲研究院（上海）致力于在感知、通信和机器智能等方面设计先进的算法和系统，以帮助解决与我们生活密切相关的前沿挑战。具体而言，微软亚洲研究院（上海）希望基于各种传感方法访问无处不在的信号，设计先进的信号处理方法和机器学习算法，以及在云和边缘上构建高效的计算和传感系统。这些算法和系统可以帮助我们应对在人工智能、医疗保健和可持续发展等方面所面临的巨大挑战。

目前，微软亚洲研究院（上海）重点关注以下研究课题：
Wireless Sensing and Networking
Advanced Machine Learning
Machine Learning for Healthcare
Video Streaming and Cloud Gaming Systems
Efficient Computing for Emerging Technologies

通过下方链接，可了解研究团队更多信息：

研究兴趣 ✦
无线通信、无线感知、移动系统、视频传输、数据分析。
铸星寄语 ✦
长久以来，微软亚洲研究院通过广泛的合作发表了众多卓越的科研成果，并为技术落地提供了广阔的平台，持续赋能全球产品和整个社会。

在无线感知方面，我和我的团队曾首次在智能手机上实现了毫米精度的声学感知系统，该项工作激发出了许多后续工作，现在的移动计算会议也通常会设有关于声学感知的多个主题研讨。与此同时，我和我的团队也持续进行创新性应用，在智能手机上开发出了首款基于声学感知来跟随用户的无人机，以及在手机上首次实现声学成像。在无线网络方面，我们开发了一系列新技术来优化管理网络，并被网络管理者使用。

期待能与铸星计划老师一起合作推动技术创新的边界，探索下一代新型无线通信及无线感知技术！

研究兴趣 ✦
机器学习及其应用。
铸星寄语 ✦
机器学习在真实应用中会遇到非常多的挑战，我们希望通过研究上的创新来解决这些挑战，让机器学习能够在更多的领域、更好地为人服务。我们的研究兴趣广泛，欢迎对机器学习算法及应用感兴趣的老师加入我们，共同探索机器学习研究的边界。

研究兴趣 ✦
深度学习系统和无线通信与网络。
铸星寄语 ✦
上海系统与工程团队专注于研究适用于人工智能和实时视频流等新兴计算密集型任务的高效技术。在高效的深度学习系统方向，我们强调模型级，编译级和平台级机会的整体优化。我们正在进行的和已完成的工作包括基于硬件成本预测的高能效 DNN 模型设计和架构搜索，稀疏和动态模型的深度学习框架和编译器改进，基于 Kubernetes 的 AI 平台的资源调度等。

在神经网络增强的视频流系统中，我们努力实现视频算法和通信系统的协同设计，以在非理想网络和有限计算能力的约束下最大限度地提高服务质量（更高的视频质量，更低的响应延迟等），并最大限度地降低服务成本。除此之外，我们的工作还涉及云和边缘计算领域的广泛研究(如矢量数据库，资源虚拟化等)和开源项目。

研究兴趣 ✦
机器学习系统包括大规模集群的调度、神经网络编译器、AI for System 等。
铸星寄语 ✦
深度学习的发展对系统领域研究提供了很多新的机会和挑战。我所在的团队同时关注 System for AI 和 AI for System 两个方向。

（1）System for AI：高效的深度学习系统能够帮助算法研究人员快速地迭代算法，同时也能帮助深度学习算法真正地落地到实际应用之中。该项目研究包括大规模GPU集群调度、模型加速、高效AI编译器、分布式训练加速等问题。

（2）AI for System：深度学习同时也为提高系统性能提供了新的机会。大型系统通常有很多算法是由手工设计的启发式算法。通过数据驱动的方法，深度学习可能为这些问题提供更高效的解法。该项目研究包括如何利用深度学习来提高各种系统的效率，包括云计算、云游戏、视频流传输等。

衷心期望通过这个“铸星计划”和学术界的同行相互合作，取长补短，为机器学习系统添砖加瓦。

研究兴趣 ✦
跨模态检索，计算机视觉、行人重识别，矢量图识别等。
铸星寄语 ✦
目前我主要关注计算机视觉相关的研究方向，具体包括

（1）矢量图的识别与理解，用于设计图/信息图的人工智能应用 。
（2）高交互实时视频流的图像超分和增强算法。
（3）基于视频和多模态识别的行为检测，用于自闭症等精神疾病的自动诊断和辅助治疗等。

非常期待向铸星计划老师学习的机会，希望能和铸星老师在共同感兴趣的研究方向上互相合作与促进，做出有影响力的工作。

研究兴趣 ✦
针对时空数据的建模、预测与决策优化，及其在医疗健康、推荐系统与金融等领域的应用。
铸星寄语 ✦
在现实世界中，大量高维、异构、多变量的数据正在产生，例如医疗健康领域的诊疗数据，金融市场的交易历史等等。人们希望利用这些数据以获得对于自然界与人类社会的更为深入的知识与认知，帮助理解与预测，并优化最终的决策行为。我们在这些真实的场景中提炼出基于时空数据的机器学习问题，并针对性地提出先进的模型与算法。

我们的研究包括但不限于多维时序数据建模与预测、大规模预训练方法与自动机器学习。希望“铸星计划”的各位领域专家能与我们通力合作，结合领域知识与人工智能的优势，解决普适的数据科学问题，帮助人们更好地掌握数据智能，解决实际问题，创造社会价值。

研究兴趣 ✦
硬件虚拟化技术，硬件资源池化技术，新型数据库设计。
铸星寄语 ✦
我目前在进行以下研究工作，期待与铸星老师共同合作！
（1）软件定义数据中心
软件定义数据中心旨在打破固定物理服务器的边界，将数据中心中所有硬件资源池化，且可以根据用户需求进行任意组合以及调度。对于终端用户而言，软件定义的数据中心提供了虚拟服务器的概念，其比物理服务器有更大的灵活性，且可以提供类似或者更好的可靠性和性能。
（2）矢量数据库
在人工智能时代，深度模型产生了大量且不断增长的矢量数据。从这种矢量大数据集中挖掘有价值的信息需要对计算和存储系统进行新的设计，来高效地处理这些海量数据。在这个工作中，我们尝试着将传统数据库的SQL语义延展到矢量数据上，来提供一个标准的针对矢量数据深度优化定制的数据库

扫描上方“铸星计划”二维码
即可了解项目详情或申请报名！