شش دانشجوی MIT به عنوان همکاران جمعی MIT-Pillar AI بهار 2024 انتخاب شدند | اخبار MIT

MIT-Pillar AI Collective شش نفر را برای ترم بهار 2024 معرفی کرده است. با حمایت این برنامه، دانشجویان فارغ التحصیل که در سال آخر برنامه کارشناسی ارشد یا دکترا هستند، تحقیقاتی را در زمینه های هوش مصنوعی، یادگیری ماشین و علم داده با هدف تجاری سازی نوآوری های خود انجام خواهند داد.

MIT-Pillar AI Collective که توسط دانشکده مهندسی MIT و Pillar VC در سال 2022 راه اندازی شد، از اساتید، فوق دکترا و دانشجویانی که در زمینه هوش مصنوعی، یادگیری ماشین و علم داده تحقیق می کنند، پشتیبانی می کند. پشتیبانی شده توسط یک هدیه از ستون VC و توسط مرکز نوآوری تکنولوژی MIT Deshpande، ماموریت این برنامه پیشبرد تحقیقات به سمت تجاری سازی است.

همکاران جمعی MIT-Pillar AI بهار 2024 عبارتند از:

یاسمین الفرج

یاسمین الفرج دانشجوی دکترای شیمی است که علاقه مندی او به کاربرد علم داده و یادگیری ماشین در طراحی مواد نرم است تا بتواند نسل بعدی پلاستیک های پایدار، لاستیک و مواد کامپوزیت را فعال کند. به طور خاص، او از یادگیری ماشینی برای طراحی افزودنی‌های مولکولی جدید استفاده می‌کند تا تولید کم‌هزینه ترموست‌ها و کامپوزیت‌های قابل تجزیه شیمیایی را امکان‌پذیر کند. کار AlFaraj منجر به کشف مواد جدید قابل ترجمه و مقیاس‌پذیری شده است که می‌توانند زباله‌های پلاستیکی گرماسخت را بررسی کنند. او به‌عنوان یک Pillar Fellow، به دنبال آوردن این فناوری به بازار است و در ابتدا بر تولید پره‌های توربین بادی و پوشش‌های منسجم تمرکز می‌کند. از طریق مرکز نوآوری فناورانه Deshpande، AlFaraj به عنوان یک تیم پیشرو در حال توسعه یک spinout متمرکز بر نسخه های قابل بازیافت ترموست های با کارایی بالا موجود با ترکیب مقادیر کمی از یک هممونومر تجزیه پذیر است. علاوه بر این، او در برنامه سازمان نوآوری بنیاد ملی علوم شرکت کرد و اخیراً از Clean Tech Open فارغ التحصیل شد، جایی که او بر ارتقای طرح تجاری خود، تجزیه و تحلیل بازارهای بالقوه، اطمینان از یک مجموعه IP کامل و ارتباط با سرمایه گذاران بالقوه تمرکز کرد. الفرج مدرک لیسانس شیمی را از دانشگاه کالیفرنیا در برکلی دریافت کرد.

روبن کاسترو اورنلاس

روبن کاسترو اورنلاس یک دانشجوی دکترا در مهندسی مکانیک است که مشتاق آینده ربات‌های چند منظوره و طراحی سخت‌افزار برای استفاده از آنها با راه‌حل‌های کنترل هوش مصنوعی است. او با ترکیب تخصص خود در برنامه نویسی، سیستم های جاسازی شده، طراحی ماشین، یادگیری تقویتی و هوش مصنوعی، یک دست رباتیک ماهرانه را طراحی کرد که قادر به انجام کارهای مفید روزمره بدون به خطر انداختن اندازه، دوام، پیچیدگی یا شبیه سازی است. طراحی نوآورانه Ornelas دارای پتانسیل تجاری قابل توجهی در کاربردهای خانگی، صنعتی و مراقبت های بهداشتی است، زیرا می تواند برای نگهداری از وسایل آشپزخانه گرفته تا اشیاء ظریف سازگار شود. او به‌عنوان همکار ستونی، بر شناسایی بازارهای تجاری بالقوه، تعیین رویکرد بهینه برای فروش تجارت به کسب‌وکار، و شناسایی مشاوران حیاتی تمرکز خواهد کرد. اورنلاس به عنوان مدیر مشترک StartLabs، یک باشگاه کارآفرینی در مقطع کارشناسی در MIT، خدمت کرد و در آنجا مدرک کارشناسی مهندسی مکانیک گرفت.

کیلی ارهارت

Keeley Erhardt یک کاندیدای دکترا در هنر و علوم رسانه ای است که علایق تحقیقاتی او در پتانسیل تحول آفرین هوش مصنوعی در تجزیه و تحلیل شبکه، به ویژه برای همبستگی موجودیت و تشخیص پیوند پنهان در داخل و بین دامنه ها نهفته است. او الگوریتم‌های یادگیری ماشینی را برای شناسایی و ردیابی همبستگی‌های زمانی و سیگنال‌های پنهان در شبکه‌های مقیاس بزرگ طراحی کرده است و کمپین‌های نفوذ آنلاین از کشورهای مختلف را کشف می‌کند. او به طور مشابه استفاده از شبکه‌های عصبی نموداری را برای شناسایی حساب‌های ارز دیجیتال هماهنگ با تجزیه و تحلیل داده‌های سری زمانی مالی و پویایی تراکنش‌ها نشان داده است. ارهارت به عنوان یکی از اعضای ستون، کاربردهای تجاری بالقوه کار خود را مانند کشف تقلب، تبلیغات، پولشویی و سایر فعالیت های مخفی در بخش های مالی، انرژی و امنیت ملی دنبال خواهد کرد. او دوره های کارآموزی در گوگل، فیس بوک و اپل داشته است و نقش مهندسی نرم افزار در چندین تک شاخ فناوری داشته است. ارهارت مدرک MEng در مهندسی برق و علوم کامپیوتر و لیسانس علوم کامپیوتر را از MIT دریافت کرد.

وینیت جگادیسان نیر

Vineet Jagadeesan Nair یک کاندیدای دکترا در مهندسی مکانیک است که تحقیقاتش بر مدلسازی شبکه های برق و طراحی بازارهای برق برای ادغام انرژی های تجدیدپذیر، باتری ها و وسایل نقلیه الکتریکی متمرکز است. او به طور گسترده به توسعه ابزارهای محاسباتی برای مقابله با تغییرات آب و هوایی علاقه مند است. Nair به عنوان یک Pillar Fellow کاربرد یادگیری ماشین و علم داده در سیستم های قدرت را بررسی خواهد کرد. به طور خاص، او رویکردهایی را برای بهبود دقت پیش‌بینی تقاضا و عرضه برق با وضوح مکانی-زمانی بالا آزمایش خواهد کرد. او همچنین در همکاری با Project Tapestry @ Google X بر روی ادغام یادگیری ماشینی مبتنی بر فیزیک با روش‌های عددی مرسوم کار می‌کند تا سرعت و دقت شبیه‌سازی‌های با وفاداری بالا را افزایش دهد. کار نایر می تواند به تحقق شبکه های آینده با نفوذ بالای انرژی های تجدیدپذیر و سایر منابع انرژی پاک و توزیع شده کمک کند. در خارج از دانشگاه ها، Nair در کارآفرینی فعال است و اخیراً به سازماندهی کارگاه جهانی استارتاپ MIT 2023 در یونان کمک کرده است. او مدرک کارشناسی ارشد را در علوم و مهندسی محاسبات از MIT، مدرک کارشناسی ارشد در فناوری انرژی از دانشگاه کمبریج به عنوان دانش پژوه گیتس، و کارشناسی مهندسی مکانیک و کارشناسی اقتصاد را از دانشگاه کالیفرنیا در برکلی دریافت کرد.

مهدی رمضان

مهدی رمضان کاندیدای دکترای علوم مغز و شناختی است که علایق پژوهشی او در تلاقی علم شناختی، مدل‌سازی محاسباتی و فناوری‌های عصبی قرار دارد. کار او از روش‌های بدون نظارت جدید برای یادگیری و تولید بازنمایی‌های قابل تفسیر از دینامیک عصبی استفاده می‌کند، با سرمایه‌گذاری بر پیشرفت‌های اخیر در هوش مصنوعی، به‌ویژه تکنیک‌های یادگیری عمیق هندسی و متضاد که قادر به کشف دینامیک نهفته نهفته در فرآیندهای عصبی با وفاداری بالا هستند. او به عنوان یک همکار ستونی، از این روش‌ها برای به دست آوردن درک بهتری از مدل‌های دینامیکی سیگنال‌های عضلانی برای کنترل حرکتی مولد استفاده خواهد کرد. با تکمیل پروتزهای ستون فقرات فعلی با مدل‌های حرکتی مولد هوش مصنوعی که می‌تواند فعال‌سازی عضلات اندام را در زمان واقعی ساده، تسریع و تصحیح کند، و همچنین به‌طور بالقوه از مدل‌های زبان بینایی چندوجهی برای پی بردن به نیت‌های سطح بالای بیماران، آرزوی ساختن دارد. پروتزهای عصبی تجاری واقعا مقیاس پذیر، در دسترس و توانمند. تجربه کارآفرینی رمضان شامل یکی از بنیانگذاران UltraNeuro، یک استارتاپ نوروتکنولوژی، و یکی از بنیانگذاران Presizely، یک استارتاپ بینایی کامپیوتر است. او مدرک لیسانس نوروبیولوژی را از دانشگاه واشنگتن گرفت.

روئی (ریموند) ژو

Rui (Raymond) Zhou یک کاندیدای دکترا در مهندسی مکانیک است که تحقیقاتش بر هوش مصنوعی چندوجهی برای طراحی مهندسی متمرکز است. او به‌عنوان یک Pillar Fellow مدل‌هایی را پیش می‌برد که می‌تواند طراحان را قادر سازد اطلاعات را در هر حالت یا ترکیبی از روش‌ها به طرح‌های دوبعدی و سه‌بعدی جامع، از جمله داده‌های پارامتریک، تصاویر بصری اجزا، نمودارهای اسمبلی و طرح‌ها ترجمه کنند. این مدل‌ها همچنین می‌توانند طرح‌های انسانی موجود را برای دستیابی به اهدافی مانند بهبود ارگونومی یا کاهش ضریب درگ بهینه کنند. در نهایت، ژو قصد دارد کار خود را به یک پلتفرم نرم افزاری به عنوان سرویس ترجمه کند که طراحی محصول را در بخش های مختلف، از خودرو گرفته تا لوازم الکترونیکی مصرفی، بازتعریف می کند. تلاش‌های او این پتانسیل را دارد که نه تنها فرآیند طراحی را تسریع کند، بلکه هزینه‌ها را نیز کاهش دهد و دری را به روی سطوح بی‌سابقه سفارشی‌سازی، تولید ایده و نمونه‌سازی سریع باز کند. ژو فراتر از فعالیت های آکادمیک خود، UrsaTech را تاسیس کرد، استارت آپی که هوش مصنوعی را در آموزش و طراحی مهندسی ادغام می کند. او مدرک کارشناسی خود را در رشته مهندسی برق و علوم کامپیوتر از دانشگاه کالیفرنیا در برکلی دریافت کرد.