铸星计划 | 邀你以数字化转型助力“可持续发展”的碧海蓝天

2022-07-29 | 作者:微软亚洲研究院

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。本期推送将介绍数字化转型助力可持续发展 (Empower Sustainability with Digital Transformation)科研主题及相关研究员。期待与您在科研长空,共铸星光!

在全球气候变化的背景下,可持续发展的重要性日益凸显。可持续发展涉及到社会生活的各个领域,需要我们仔细审视各行业对环境的影响,并采用科学的手段及先进的技术进行针对性地调整。各行业大量数据的积累、数据驱动的人工智能技术、以及前沿的系统软硬件研究,都在全面加速社会实现可持续发展。

由此,我们提出“数字化转型助力可持续发展”研究主题,旨在研究如何采用人工智能技术助力于各行业实现可持续发展,同时探索如何降低人工智能算法及计算平台本身的资源消耗。我们期待与学术界多个学科的学者合作,共同应对气候环境变化的挑战,用科学技术来实现可持续发展的目标。

我们重点关注以下研究课题:
1.绿色云计算:研究如何构建高效、可靠、可持续的智能云计算平台
2.智能供应链管理:研究如何提高供应链韧性,优化供应链效率并减少碳排放
3.智能楼宇:研究如何优化楼宇的控制系统以减少用电及碳排放
4.电池材料研发和储能设备优化:研究如何设计新型催化和电池材料,以及如何优化储能设备使用
5.绿色人工智能:研究如何高效地对机器学习模型进行压缩、架构探索、部署等

微软亚洲研究院数字化转型助力可持续发展研究团队是一个拥有跨学科知识和技能的多元化团队。团队成员的研究背景和方向包括以人工智能方法和系统软硬件研究为代表的计算机科学和多个交叉学科领域。主要研究课题包括应用人工智能方法和系统研究构建绿色云计算平台、打造高韧性的供应链、优化楼宇控制、发现新型环保材料,以及研究如何降低人工智能模型自身的资源消耗。团队与微软多个产品及合作伙伴均有紧密合作和实际应用,为全社会实现可持续发展不断助力。

 

研究兴趣 ✦
绿色云计算、人工智能、云智能、云计算、系统、软件、数据智能。
铸星寄语 ✦
云计算正在变成我们社会基础构架的一部分,云智能为用户提供更加可靠安全有韧性的云服务。绿色云计算进一步降低云计算的开销,减少上下游产业链的成本和碳排放,为人类社会的绿色和可持续性发展带来更大的机遇。希望能携手专家学者一起创新人工智能技术,推进大规模云计算的智能化和可持续性发展。

研究兴趣 ✦
深度学习、强化学习、以及机器学习在能源、供应链、金融、医疗等行业的应用。
铸星寄语 ✦通过与相关产业合作伙伴的密切合作,我们深刻体会到:在可持续性发展方面,AI一方面可以帮助我们构建更高效、更有韧性的供应链;另一方面,AI也在全球能源转型的过程中可以帮助我们更准确预知能源消耗和清洁能源的产出,在此基础上更高效地管理能源传输网络、优化储能设备使用,更合理地匹配经济发展对能源的需求。我们期待通过铸星计划,与所有对相关领域有热情的学者一起探索AI赋能可持续性发展 。

研究兴趣 ✦
深度学习系统和无线通信与网络。
铸星寄语 ✦
我们的团队致力于打造高性能和低能耗的深度学习系统。基于对模型全生命周期能耗的分析,我们认为要实现这一目标必须要从多维度进行思考和优化。我们目前的工作主要从平台层(如针对机器学习任务的 GPU 调度优化)、模型层(如面向硬件的低功耗模型自动设计)以及工具层(如提高模型运行效率的编译优化,和针对 AutoML 模型搜索效率的提升)三个维度来努力提高深度学习训练和推理的效率,降低硬件延迟和能量消耗,推动实现绿色的可持续发展的人工智能技术落地。

研究兴趣 ✦
针对时序数据以及表格数据的机器学习算法,包括预测、异常检测以及模型可解释性。
铸星寄语 ✦
人工智能在环保、健康、新能源等领域起到关键的推动作用。其中基于历史数据,对现有数据的分析以及对未来发展的预测(例如碳排放,水质变化)可以帮助我们更好制定可持续发展策略。基于现实世界数据的复杂性,单一依靠纯数据驱动方法往往难以得出可靠且可解释的预测结果。我们希望“铸星计划”能够吸引领域专家与我们展开合作,通过深入理解领域痛点,结合专家先验知识,做出更鲁棒的预测模型,推动领域发展。

研究兴趣 ✦
如何基于数据驱动下的智能运维来实现高效、可靠、可持续的绿色云计算平台。
铸星寄语 ✦
绿色云计算的目标即:如何在满足不断增长的云业务需求下,持续降低对环境资源的消耗。具体研究方向包括开发低资源要求的云负荷,打造绿色高循环复用的云基础设施、智能化的供应链管理,以及如何高效地对机器学习模型进行压缩、架构探索、部署等。期待通过铸星计划,与对绿色云计算,智能供应链,以及机器学习模型压缩感兴趣的学者进行深度合作,更好地推进社会的可持续性发展。

扫描上方“铸星计划”二维码

即可了解项目详情或申请报名!

标签