NVIDIA جوایز پژوهشی تا ۶۰٬۰۰۰ دلار به دانشجویان دکتری اعطا میکند
به مدت ۲۵ سال، برنامه بورس تحصیلات تکمیلی NVIDIA از دانشجویان تحصیلات تکمیلی که کارهای برجستهای مرتبط با فناوریهای NVIDIA انجام میدادند، حمایت کرده است. امروز این برنامه جوایز جدیدی را اعلام کرد که برای هر یک از ۱۰ دانشجوی دکتری تا ۶۰٬۰۰۰ دلار است و این پژوهشها در تمام حوزههای نوآوری محاسباتی گسترش یافتهاند.
پس از انتخاب از میان جمعیت متقاضیان بسیار رقابتی، برندگان این جایزه در یک کارآموزی تابستانی پیش از سال بورس شرکت میکنند. کارهای آنها آنها را در خط مقدم محاسبه شتابدار قرار میدهد — پروژههایی در زمینه سامانههای خودران، معماری کامپیوتر، گرافیک کامپیوتری، یادگیری عمیق، سامانههای برنامهنویسی، روباتیک و امنیت.
برنامه بورس تحصیلات تکمیلی NVIDIA برای متقاضیان در سراسر جهان باز است.
دریافتکنندگان بورس دورهٔ ۲۰۲۶‑۲۰۲۷ عبارتند از:
- جیآگنگ ماو، دانشگاه جنوب کالیفرنیا — حل مشکلات پیچیده فیزیکی هوش مصنوعی با استفاده از پیشفرضهای متنوع از دادههای مقیاس اینترنتی برای ایجاد هوشی مقاوم و عمومیپذیر برای عوامل تجسمی در محیط واقعی.
- لیون وو، دانشگاه کالیفرنیا، ساندیهگو — ارتقای واقعگرایی و کارآیی در رندر مبتنی بر فیزیک با بهکارگیری مواد عصبی و رندر عصبی.
- مانیا بسانال، مؤسسه فناوری ماساچوست (MIT) — طراحی زبانهای برنامهنویسی برای شتابدهندههای مدرن که به توسعهدهندگان امکان نوشتن کدهای مدولار و قابل استفاده مجدد را میدهد، بدون آنکه کنترل سطح پایین مورد نیاز برای عملکرد بهینه فدا شود.
- سیزه چن، دانشگاه کالیفرنیا، برکلی — ایمنسازی هوش مصنوعی در برنامههای دنیای واقعی؛ هماکنون در حال محافظت از عاملهای هوش مصنوعی در برابر حملات تزریق درخواست با استفاده از دفاعهای عمومی و عملی است که کارایی عامل را حفظ میکند.
- یونفَن جیانگ، دانشگاه استنفورد — توسعه رویکردهای مقیاسپذیر برای ساخت روباتهای عمومی به منظور انجام کارهای روزمره؛ از طریق منابع داده ترکیبی که شامل دستکاری تمامبدن در دنیای واقعی، شبیهسازیهای بزرگمقیاس و نظارت چند‑مودالی در مقیاس اینترنت میشود.
- ییجیا شاو، دانشگاه استنفورد — پژوهش دربارهٔ همکاری انسان‑عامل با توسعهٔ عاملهای هوش مصنوعی که میتوانند در حین اجرای کار، با انسانها ارتباط برقرار کرده و هماهنگی داشته باشند؛ و طراحی رابطهای نوین تعامل انسان‑عامل.
- شانگ‑بین فنگ، دانشگاه واشنگتن — پیشبرد همکاری میان مدلها: مجموعهای از مدلهای یادگیری ماشین که بر روی دادههای مختلف و توسط افراد متفاوت آموزش دیدهاند، با یکدیگر همکاری، ترکیب و تکمیل میشوند تا آیندهای باز، توزیعشده و همکارانه برای هوش مصنوعی شکل بگیرد.
- شوتنک پراکاش، دانشگاه هاروارد — پیشرفت معماری سختافزاری و طراحی سامانهها با بهرهگیری از عاملهای هوش مصنوعی ساختهشده بر پایهٔ الگوریتمهای نوین، دادهمجموعههای منتخب و زیرساخت «عامل‑محور».
- آیرن وانگ، مؤسسه فناوری جورجیا — توسعه چارچوب کدیزاین جامع که معماری شتابدهنده، توپولوژی شبکه و زمانبندی زمان اجرا را یکپارچه میکند تا آموزش هوش مصنوعی بهصورت مقیاسپذیر، انرژی‑کارآمد و پایدار فراهم شود.
- چن گِنگ، دانشگاه استنفورد — مدلسازی جهانهای فیزیکی چهار‑بعدی با الگوریتمهای مقیاسپذیر دادهمحور و اصول الهامگرفته از فیزیک؛ پیشرفت مدلهای سه‑بعدی و چهار‑بعدی مبتنی بر فیزیک برای روباتیک و برنامههای علمی.
ما همچنین نهاییشدگان (فینالیستهای) بورس دورهٔ ۲۰۲۶‑۲۰۲۷ را ارج مینهیم:
- زیژنگ گُو، دانشگاه پکن
- پیتر هولدرایت، مؤسسه فناوری ماساچوست (MIT)
- شیانگهوی شیه، مؤسسه ماکس پلانک برای علم اطلاعات
- الکساندر روت، دانشگاه استنفورد
- دنیل پالنیتسک، دانشگاه فنی دارمشتات