麻省理工学院长期教授、计算机科学家阿文德去世 享年77岁

麻省理工学院长期教授、计算机科学家阿文德去世 享年77岁 阿文德是一位多产的研究人员，曾领导计算机科学与人工智能实验室（CSAIL）的计算结构小组，在麻省理工学院任教近五十年。萨利-科恩布鲁斯（Sally Kornbluth）校长今天在致麻省理工学院社区的一封信中写道："他深受麻省理工学院社区和世界各地无数人的爱戴，他的智慧才华和对生活的热情激励着他们。"作为一名科学家，阿文德因其在数据流计算方面的重要贡献而闻名，数据流计算旨在优化数据流，以利用并行性，实现更快、更高效的计算。在过去的 25 年中，他的研究兴趣扩展到为微处理器和硬件加速器等复杂数字设备的形式建模、高级综合和形式验证开发技术和工具，以及并行计算架构和编程语言的内存模型和高速缓存一致性协议。认识阿文德的人都说他是一个罕见的人，他的兴趣和专长从高层次的理论形式系统一直到语言和编译器，再到硅硬件的门和结构。从减少数据中心所需的能源和空间，到简化更高效的多核计算机芯片设计，阿文德的研究成果应用广泛。"阿文德既是计算机体系结构和编程语言领域的杰出学者，也是一位兢兢业业的教师，他为我们的学生带来了系统级思维。他还是一位杰出的学术带头人，经常领导课程改革，并以有意义、有影响的方式为工程理事会做出贡献。"首席创新与战略官、工程学院院长、电气工程与计算机科学 Vannevar Bush 讲座教授 Anantha Chandrakasan 说："我将非常怀念他的睿智建议。""阿文德的正能量和他爽朗的笑声照亮了许多人的生活。他为同事和几代学生提供了经久不衰的睿智建议。他致力于追求卓越的学术成就，不仅改变了计算机体系结构和并行计算方面的研究，还将这一承诺带到了他作为电子工程科学系计算机科学教研室主任的工作中。"麻省理工学院苏世民计算机学院院长、电气工程与计算机科学亨利-埃利斯-沃伦（Henry Ellis Warren）教授 Dan Huttenlocher 说："他给我们所有有幸与他共事的人留下了持久的影响。"阿文德在坎普尔印度理工学院求学期间对并行计算产生了浓厚的兴趣，并于 1969 年获得该校学士学位。1972 年和 1973 年，他分别获得明尼苏达大学计算机科学硕士和博士学位，研究操作系统和程序行为数学模型。1974 年至 1978 年，他在加州大学欧文分校任教，之后加入麻省理工学院。在麻省理工学院，阿文德的小组研究并行计算和声明式编程语言，他领导开发了两种并行计算语言：Id 和 pH。20 世纪 90 年代，他一直致力于这些编程语言的研究，并于 2001 年与合著者 R.S. Nikhil 出版了《pH 中的隐式并行编程 》 一书，这是 20 多年研究的结晶。除研究工作外，阿文德还是 EECS 的重要学术带头人。他曾担任该系计算机科学教研室主任，在麻省理工学院苏世民计算机学院成立后，他在帮助 EECS 重组方面发挥了关键作用。"阿文德坚持不懈的积极态度、坚定不移的乐观主义、无边无际的慷慨和作为研究人员的非凡力量确实鼓舞人心，给所有有幸认识他的人留下了深刻的印记。我非常感谢他给我们的生活带来的光明，以及他对我们社区的根本性影响，"电气工程与计算机科学安德鲁和埃尔纳-维特比教授兼 CSAIL 主任 Daniela Rus 说。他在数据流和并行计算方面的工作促成了 20 世纪 80 年代末和 90 年代初的季风项目。阿文德的小组与摩托罗拉公司合作，制造了 16 台数据流计算机器，并开发了相关软件。其中一台 Monsoon 数据流计算机现存于加利福尼亚州山景城的计算机历史博物馆。正如他在 2012 年接受电气和电子工程师学会（IEEE）采访时所解释的那样，20 世纪 90 年代，并行计算研究资金开始枯竭，阿文德的工作重心随之转移。他回忆说："微处理器的速度越来越快，人们认为不需要它了。"相反，他开始将其团队在并行编程中学习和开发的技术应用到数字硬件的原理设计中。除了指导麻省理工学院的学生和年轻同事，阿文德还为许多国家的大学和政府提供并行编程和半导体设计方面的研究咨询。基于他在数字硬件设计方面的工作，Arvind 于 2000 年创立了 Sandburst 公司，这是一家无晶圆厂半导体芯片制造公司。Sandburst 后来被博通收购。阿文德和他的学生们还开发了一种编程语言 Bluespec，旨在实现芯片设计的自动化。在这项工作的基础上，他于 2003 年与他人共同创办了初创公司 Bluespec, Inc.，致力于开发实用工具，帮助工程师简化设备设计。过去十年间，他致力于推动麻省理工学院的本科生教育，为 6.004（计算结构）和 6.191（深度学习导论）课程引入现代设计工具，并将与 Bluespec 密切相关的编程语言 Minispec 纳入其中。由于在数据流和多线程计算以及硬件高级合成工具开发方面做出的上述贡献和其他贡献，Arvind 于 2008 年和 2012 年分别荣获美国国家工程院院士和美国艺术与科学院院士称号。 他还被本科母校印度理工学院坎普尔分校评为杰出校友。"阿文德不仅是EECS社区的支柱和计算机科学的泰斗，他还是一位受人爱戴的同事和值得珍惜的朋友。我们这些有幸与 Arvind 共事和合作的人对他的突然离世感到悲痛欲绝。他的仁慈和幽默坚定不移；他的指导深思熟虑；他的指导是无价之宝。"麻省理工学院苏世民计算机学院副院长兼电子工程与电子技术系主任 Asu Ozdaglar 说："我们将深深地怀念他。"阿文德曾获得印度国家科学院院士、美国计算机协会和电气和电子工程师学会研究员等众多奖项，并于2012年获得电气和电子工程师学会颁发的哈里-H-古德纪念奖，该奖旨在表彰对信息处理领域的理论或实践做出的重大贡献。阿文德是一位谦逊的科学家，他首先指出，这些成就的取得离不开他杰出而出色的合作者。这些合作者中最重要的是他有幸在麻省理工学院共事过的本科生和研究生。 据他的家人说，他与这些学生在专业和个人方面都保持着良好的关系，他把这些关系看得比他们一起完成的工作更重要。在 2012 年接受 IEEE 采访时，阿文德这样总结他在科学上取得成功的关键："真的，一个人必须做自己相信的事情。我认为，我们大多数人的工作水平，如果你每天都不乐在其中，是无法持续的。你不能只为结果而工作。你必须努力工作，因为你会说，'我必须知道这个问题的答案'，"他说。他的妻子 Gita Singh Mithal、两个儿子 Divakar '01 和 Prabhakar '04、他们的妻子 Leena 和 Nisha 以及两个孙子 Maya 和 Vikram 均健在。 ... PC版： 手机版：

【Blur创始人公开身份，曾就读于麻省理工学院计算机系】

【Blur创始人公开身份，曾就读于麻省理工学院计算机系】 2月22日消息，Blur创始人@PacmanBlur与社交媒体公开身份，表示在创建Blur前，17岁时从高中辍学进入Y Combinator，后进入麻省理工学院计算机系学习，曾获得泰尔奖学金，离开麻省理工学院后创建Namebase，出售Namebase到Namecheap。

2024 年美国工程学院排名（《美国新闻》）：麻省理工学院、斯坦福大学，加州伯克利分校、加州理工学院、佐治亚理工学院、普渡主校区

2024 年美国工程学院排名（《美国新闻》）：麻省理工学院、斯坦福大学，加州大学伯克利分校、加州理工学院、佐治亚理工学院、普渡大学主校区、卡内基梅隆大学、德克萨斯大学奥斯汀分校、伊利诺伊大学厄巴纳-香槟分校、密歇根大学、加州大学圣地亚哥分校、康奈尔大学、得克萨斯A&M大学、约翰斯霍普金斯大学、加州大学洛杉矶分校、西北大学、宾夕法尼亚大学、哥伦比亚大学、马里兰大学、哈佛大学、普林斯顿大学、华盛顿大学、杜克大学、科罗拉多大学博尔德分校、南加州大学

MIT麻省理工学院关于深度学习方法的入门课程 || #机器学习

MIT麻省理工学院关于深度学习方法的入门课程 || #机器学习 麻省理工学院深度学习方法入门课程，可应用于计算机视觉、自然语言处理、生物学等领域！ 学生将获得深度学习算法的基础知识，并获得在 TensorFlow 中构建神经网络的实践经验。 先修课程需要微积分（即求导数）和线性代数（即矩阵乘法），有 Python 经验者将有所帮助，但并非必要。

麻省理工学院在将二维材料集成到设备方面取得突破

麻省理工学院在将二维材料集成到设备方面取得突破 这幅艺术家的作品展示了麻省理工学院研究人员开发的一种新型集成平台。通过对表面力进行工程设计，他们只需一个接触和释放步骤，就能将二维材料直接集成到设备中。图片来源：Sampson Wilcox/电子研究实验室提供但是，将二维材料集成到计算机芯片等设备和系统中是众所周知的难题。这些超薄结构可能会受到传统制造技术的破坏，这些技术通常依赖于使用化学品、高温或蚀刻等破坏性工艺。为了克服这一挑战，麻省理工学院和其他大学的研究人员开发出了一种新技术，只需一步就能将二维材料集成到设备中，同时保持材料表面和由此产生的界面原始无缺陷。他们的方法依赖于纳米级的工程表面力，使二维材料可以物理叠加到其他预制设备层上。由于二维材料不会受损，研究人员可以充分利用其独特的光学和电学特性。所开发的平台利用行业兼容的工具集，使这一过程可以扩展。在这里，主要作者彼得-萨特斯韦特（Peter Satterthwaite）使用 MIT.nano 中修改过的配准工具进行图案化配准集成。他们利用这种方法制造出了二维晶体管阵列，与使用传统制造技术制造出的器件相比，实现了新的功能。他们的方法用途广泛，可用于多种材料，可在高性能计算、传感和柔性电子器件等领域广泛应用。释放这些新功能的核心是形成清洁界面的能力，所有物质之间存在的特殊力量（称为范德华力）将这些界面连接在一起。电子工程与计算机科学（EECS）助理教授、电子学研究实验室（RLE）成员 Farnaz Niroui 是介绍这项工作的新论文的资深作者。"范德华积分有一个基本限制，"她解释说，"由于这些作用力取决于材料的内在特性，因此无法轻易调整。因此，有些材料无法仅利用其范德华相互作用来直接相互整合。我们提出了一个解决这一限制的平台，以帮助范德华集成变得更加通用，从而促进具有新功能和改进功能的基于二维材料的设备的开发。"Niroui 与论文第一作者、电子工程与计算机科学研究生 Peter Satterthwaite，电子工程与计算机科学教授、RLE 成员 Jing Kong，以及麻省理工学院、波士顿大学、台湾国立清华大学、台湾国家科学技术委员会和台湾国立成功大学的其他人共同撰写了这篇论文，这项研究最近发表在《自然-电子学》上。纳米级表面力的多样性使研究人员能够将粘合剂基质转移到许多不同的材料上。例如，在这里，通过使用粘合聚合物，他们能够将图案化的石墨烯（一原子厚的碳薄片）从源基底（上图）转移到接收粘合聚合物（下图）上。图片来源：Niroui 小组提供使用传统制造技术制造计算机芯片等复杂系统可能会变得一团糟。通常情况下，像硅这样的硬质材料会被凿成纳米级，然后与金属电极和绝缘层等其他元件连接，形成有源器件。这种加工过程会对材料造成损害。最近，研究人员专注于使用二维材料和一种需要连续物理堆叠的工艺，自下而上地构建设备和系统。在这种方法中，研究人员不是使用化学胶水或高温将脆弱的二维材料粘合到硅等传统表面上，而是利用范德华力将一层二维材料物理集成到设备上。范德华力是存在于所有物质之间的自然吸引力。例如，壁虎的脚会因为范德华力而暂时粘在墙上。虽然所有材料都存在范德华力，但根据材料的不同，范德华力并不总是强大到足以将它们粘在一起。例如，一种名为二硫化钼的流行半导体二维材料会粘在黄金上，但不会通过与二氧化硅等绝缘体表面的物理接触直接转移到该表面上。然而，通过整合半导体层和绝缘层制成的异质结构是电子设备的关键组成部分。以前，实现这种集成的方法是将二维材料粘合到一个中间层（如金）上，然后使用该中间层将二维材料转移到绝缘体上，最后再使用化学品或高温去除中间层。麻省理工学院的研究人员没有使用这种牺牲层，而是将低粘性绝缘体嵌入高粘性基质中。这种粘合基质使二维材料粘附在嵌入的低粘合力表面上，提供了在二维材料和绝缘体之间形成范德华界面所需的力。制作矩阵为了制造电子设备，他们在载体基底上形成金属和绝缘体的混合表面。然后将该表面剥离并翻转，就会看到一个完全光滑的顶面，其中包含所需的器件构件。这种光滑度非常重要，因为表面和二维材料之间的间隙会阻碍范德华相互作用。然后，研究人员在完全洁净的环境中单独制备二维材料，并将其与制备好的器件堆栈直接接触。"一旦混合表面与二维层接触，无需任何高温、溶剂或牺牲层，它就能拾取二维层并将其与表面整合在一起。"萨特斯韦特解释说："通过这种方式，我们可以实现传统上被禁止的范德华集成，但现在却可以实现，而且只需一步就能形成功能齐全的器件。"这种单步工艺可使二维材料界面保持完全清洁，从而使材料达到其性能的基本极限，而不会受到缺陷或污染的影响。而且，由于二维材料的表面也保持原始状态，研究人员可以对二维材料的表面进行工程设计，以形成与其他元件的特征或连接。例如，他们利用这种技术制造出了 p 型晶体管，而利用二维材料制造这种晶体管通常是具有挑战性的。他们的晶体管在以前的研究基础上有所改进，可以为研究和实现实用电子产品所需的性能提供一个平台。展望未来他们的方法可以大规模地制造更大的装置阵列。粘合基质技术还可用于一系列材料，甚至与其他力量结合使用，以增强这一平台的多功能性。例如，研究人员将石墨烯集成到器件上，利用聚合物基质形成所需的范德华界面。在这种情况下，粘附依靠的是化学作用，而不仅仅是范德华力。未来，研究人员希望以此平台为基础，整合各种二维材料库，在不受加工损伤影响的情况下研究其内在特性，并利用这些卓越功能开发新的设备平台。编译自:ScitechDaily ... PC版： 手机版：

麻省理工学院的新型人工智能模型能准确预测人类行为

麻省理工学院的新型人工智能模型能准确预测人类行为 要建立能与人类有效协作的人工智能系统，首先要有一个良好的人类行为模型。但是，人类在做出决策时往往会有一些次优行为。这种非理性尤其难以建模，通常归结为计算上的限制。人类不可能花几十年的时间去思考一个问题的理想解决方案。开发新的建模方法麻省理工学院和华盛顿大学的研究人员开发了一种为代理（无论是人类还是机器）的行为建模的方法，这种方法考虑到了可能妨碍代理解决问题能力的未知计算限制。他们的模型只需看到代理之前的一些行为痕迹，就能自动推断出代理的计算限制。其结果，即一个代理的所谓"推理预算"，可用于预测该代理的未来行为。实际应用和模型验证在一篇新论文中，研究人员展示了他们的方法如何用于从先前的路线推断某人的导航目标，以及预测棋手在国际象棋比赛中的后续行动。他们的技术与另一种用于此类决策建模的流行方法不相上下，甚至更胜一筹。最终，这项工作可以帮助科学家教会人工智能系统人类的行为方式，从而使这些系统能够更好地回应人类合作者。电子工程与计算机科学（EECS）研究生、这一技术相关论文的第一作者阿图尔-保罗-雅各布（Athul Paul Jacob）说，能够理解人类的行为，然后从这种行为推断出他们的目标，会让人工智能助手变得更有用。"如果我们知道人类即将犯错，看到他们以前的行为方式，人工智能代理可以介入并提供更好的方法。或者，人工智能代理可以适应人类合作者的弱点。"他说："能够为人类行为建模，是建立一个能够真正帮助人类的人工智能代理的重要一步。"雅各布与华盛顿大学助理教授阿比舍克-古普塔（Abhishek Gupta）以及资深作者雅各布-安德烈亚斯（Jacob Andreas）共同撰写了这篇论文，雅各布-安德烈亚斯是电子工程科学系副教授和计算机科学与人工智能实验室（CSAIL）成员。这项研究将在学习表征国际会议（International Conference on Learning Representations）上发表。行为建模几十年来，研究人员一直在建立人类行为的计算模型。许多先前的方法都试图通过在模型中加入噪音来解释次优决策。模型可能会让代理人在 95% 的情况下做出正确的选择，而不是让代理人总是选择正确的选项。然而，这些方法可能无法捕捉到这样一个事实，即人类并不总是以同样的方式做出次优行为。麻省理工学院的其他人还研究了在决策不理想的情况下制定计划和推断目标的更有效方法。为了建立他们的模型，雅各布和他的合作者从之前对国际象棋选手的研究中汲取了灵感。他们注意到，棋手在走简单的棋步时，在行动前花费的思考时间较少，而在具有挑战性的比赛中，实力较强的棋手往往比实力较弱的棋手花费更多的时间进行规划。雅各布说："最后，我们发现，规划的深度，或者说一个人思考问题的时间长短，可以很好地代表人类的行为方式。"他们建立了一个框架，可以从先前的行动中推断出代理的规划深度，并利用该信息来模拟代理的决策过程。方法的第一步是在一定时间内运行算法，以解决所研究的问题。例如，如果研究的是一场国际象棋比赛，他们可能会让下棋算法运行一定步数。最后，研究人员可以看到算法在每一步做出的决定。他们的模型会将这些决策与解决相同问题的代理行为进行比较。它将使代理的决策与算法的决策保持一致，并确定代理停止规划的步骤。由此，模型可以确定代理的推理预算，或该代理将为这一问题计划多长时间。它可以利用推理预算来预测该代理在解决类似问题时会如何反应。可解释的解决方案这种方法非常高效，因为研究人员无需做任何额外工作，就能获取解决问题的算法所做的全部决策。这一框架也可应用于任何可以用某一类算法解决的问题。"对我来说，最令人震惊的是，这种推理预算是非常可解释的。它是说，更难的问题需要更多的规划，或者说，成为一名强者意味着需要更长时间的规划。"雅各布说："我们刚开始着手做这件事的时候，并没有想到我们的算法能够自然而然地发现这些行为。"研究人员在三个不同的建模任务中测试了他们的方法：从先前的路线推断导航目标、从某人的语言暗示猜测其交流意图，以及预测人与人国际象棋比赛中的后续棋步。在每次实验中，他们的方法要么与流行的替代方法相匹配，要么优于后者。此外，研究人员还发现，他们的人类行为模型与棋手技能（国际象棋比赛）和任务难度的测量结果非常吻合。展望未来，研究人员希望利用这种方法为其他领域的规划过程建模，例如强化学习（机器人技术中常用的一种试错方法）。从长远来看，他们打算在这项工作的基础上继续努力，以实现开发更有效的人工智能合作者这一更远大的目标。编译来源：ScitechDaily ... PC版： 手机版：