我中心副教授张拳石、助理教授冷静文荣获微软亚洲研究院2019联合研究项目资助！
微软亚洲研究院2019联合研究项目（Microsoft Research Asia Collaborative Research Program）资助名单于12月3日正式揭晓。评审委员会从创新性和共同研究兴趣等角度，对收到的项目提案进行认真评审。最终，来自中国大陆、香港、台湾等亚洲地区26所高校和研究机构的40个项目获得微软亚洲研究院2019联合研究项目资助。其中，我中心副教授张拳石、助理教授冷静文分别以"Interpreting Neural Networks for Natural Language Processing"、"Robust and Efficient System Architecture for AI Applications with Effective Path"项目入选该名单。
以共同推动科技前沿创新，联合培养一流研究型人才为目标，微软亚洲研究院推出联合研究合作计划，支持亚洲地区高校和研究机构的学者与微软亚洲研究院研究员就双方感兴趣的研究课题展开深入合作。
张拳石，上海交通大学约翰·霍普克罗夫特计算机科学中心副教授。他于2014年获东京大学博士学位，于2014-2018年在加州大学洛杉矶分校 ( UCLA ) 从事博士后研究，主要研究方向包括计算机视觉、机器学习、机器人、和数据挖掘。其研究工作主要发表在计算机视觉、人工智能、数据挖掘、和机器人等不同领域的顶级期刊和会议上（包括T-PAMI, CVPR, ICCV, AAAI, KDD, ICRA等）。尤其近3年来，申请人论述了关于学习中层特征表达可解释性神经网络，以及基于网络可解释性的“中层对端”的模型学习等若干问题。
目前，张拳石正领导一个团队进行可解释性人工智能方向的研究。其研究工作重点是学习中层特征可解释的神经网络，以及在理论上构建神经网络模型与传统图模型的内在统一表达，实现从神经网络模型向图模型和因果逻辑模型的转化。相关研究课题包括中层表达可解释性的卷积神经网络、可解释性生成网络、无监督对已训练神经网络的解构与解释、无监督或弱监督地学习神经网络。
目前，张拳石正领导一个团队进行可解释性人工智能方向的研究。其研究工作重点是学习中层特征可解释的神经网络，以及在理论上构建神经网络模型与传统图模型的内在统一表达，实现从神经网络模型向图模型和因果逻辑模型的转化。相关研究课题包括中层表达可解释性的卷积神经网络、可解释性生成网络、无监督对已训练神经网络的解构与解释、无监督或弱监督地学习神经网络。
冷静文，上海交通大学约翰·霍普克罗夫特计算机科学中心助理教授，主要研究方向包括异构计算系统的并行化和性能、能效、可靠性方面的优化，以及针对深度学习应用进行大规模并行化和新型加速芯片设计。他于2016年12月毕业于德州大学奥斯汀分校电子与计算机工程系并获得博士学位，2010年7月毕业于上海交通大学，获得学士学位。其在博士期间主攻方向为GPU处理器的体系结构优化，目前主持一项自然科学基金青年基金（2017年）和多项合作课题，他也入选了2018年微软亚洲研究院青年学者铸星计划。
媒体链接：微软亚洲研究院
媒体链接：微软亚洲研究院
