A NVIDIA anunciou hoje outro prêmio Graduate Grant para GPU Computing Research. O Programa de Bolsas de Graduação da empresa existe há 21 anos. Por meio desse programa, a NVIDIA já forneceu US $ 6 milhões em bolsas para quase 200 alunos de pós-graduação para apoiar seu trabalho em aprendizado de máquina, visão computacional, robótica e sistemas de programação.
Desta vez, a empresa nomeou 10 alunos de pós-graduação, cada um dos quais receberá uma bolsa de US $ 50.000. A NVIDIA anunciou que os vencedores participarão de um estágio de verão. NVIDIA Fellows 2022-2023 são:
- Davis Rempe, Stanford University – modelagem de movimento 3D para estimativa de pose, reconstrução de forma e previsão de movimento que permite que sistemas inteligentes “entendam” objetos 3D dinâmicos, pessoas e cenas.
- Hao Chen, Universidade do Texas em Austin – Desenvolvendo ferramentas de síntese física VLSI de última geração, capazes de gerar fiação de qualidade para processadores avançados, especialmente para processamento de sinais analógicos / mistos.
- Mohit Shridhar, University of Washington – Percepção da linguagem e ações para tarefas de robótica com a capacidade de aprender por meio de interações em vez de conjuntos de dados estáticos.
- Sai Praveen Bangaru, Instituto de Tecnologia de Massachusetts – Desenvolvimento de algoritmos e compiladores para computação diferencial que podem ser facilmente combinados com componentes de aprendizado de máquina.
- Shlomi Steinberg, University of California, Santa Barbara – Desenvolver modelos e ferramentas computacionais para cálculos de iluminação física, modelando luz parcialmente coerente em ambientes complexos.
- Sneha Goenka, Stanford University – Explorando processos de análise genômica por meio de hardware colaborativo e design de software para permitir o diagnóstico ultrarrápido de doenças genéticas e acelerar a análise genômica comparativa em grande escala.
- Yufei Ye, Carnegie Mellon University – Criando agentes que podem perceber interações físicas entre objetos, entender as consequências das interações com o mundo físico e até mesmo prever os efeitos potenciais de interações específicas.
- Yuke Wang, Universidade da Califórnia, Santa Bárbara – Explorando novas soluções e otimizações algorítmicas e de nível de sistema para acelerar uma variedade de cargas de trabalho de aprendizado profundo, incluindo redes neurais profundas e redes neurais em gráficos.
- Yuntian Deng, Harvard University – Desenvolvimento de abordagens escaláveis, gerenciáveis e interpretáveis para a geração de linguagem natural com a capacidade de gerar textos longos.
- Zekun Hao (Enze Xie), Cornell University – Desenvolvendo algoritmos que “aprendem” com dados visuais reais para ajudar as pessoas a criar mundos 3D fotorrealistas aplicando o “conhecimento” adquirido.