施密特DataX基金支持利用数据科学加速发现的研究项目

普林斯顿大学(Princeton University)的施密特DataX基金(Schmidt DataX Fund)已为9个数据驱动的研究项目提供了资金。施密特DataX基金旨在推广和深化整个校园对人工智能和机器学习的使用，以加速发现。

今年2月，该校宣布成立这只新基金，这是施密特期货公司(Schmidt Futures)的一笔巨额捐款促成的。

Schmidt DataX基金支持的新选定的教员研究项目是跨学科的，涉及19名教员和几个系和项目。

研究项目包括大脑活动和语言，社交媒体上的人群行为问题，以及银河系的建设。

“各种各样的项目和涉及的混合的研究表明,数据科学的许多学科校园帮助加速发现,是否通过扩大实验建模复杂的过程,”Peter Ramadge说戈登屈服应力工程和电气工程教授吴教授和中心主任统计和机器学习(CSML)。“使用先进的数据科学算法和现代计算技术，使得曾经很难或不可能进行的研究成为可能。“CSML正在监督施密特DataX基金(Schmidt DataX Fund)可能做出的一系列努力，以将数据科学的触角延伸到整个校园。

获奖的项目和研究人员是:

•寻求利用人工神经网络，大大加速量子多体最优控制的实现

Herschel Rabitz，查尔斯·菲尔普斯·史密斯的化学教授

本项目旨在利用人工神经网络设计、建模、理解和控制不同粒子(即原子和分子)之间的量子动力学现象。

•通过众包进行社会规模的行为模拟

汤姆·格里菲思，亨利·鲁斯信息技术、意识、心理学和计算机科学文化教授;心理学和公共事务副教授Alin Coman;西蒙·莱文，詹姆斯·s·麦克唐纳杰出大学生态学和进化生物学教授;心理学和公共事务教授Elizabeth Levy Paluck;埃尔克·韦伯，Gerhard R. Andlinger能源与环境教授，心理学和公共事务教授

该项目旨在解决在线社交网络中影响全球变暖辩论的相互交织的行为问题。

•安全且私密的联合学习

电气工程副教授Prateek Mittal;文森特·普尔，工程与应用科学学院临时院长，迈克尔·亨利·斯特拉特大学电气工程教授

这个项目将使用数据科学技术来研究联邦学习中的安全、隐私和实用问题——一种允许计算机程序从分散的数据进行训练的技术——并将它们设计得更加健壮。

•揭开银河系的历史

玛丽安杰拉·利桑蒂，物理学副教授

该项目与俄勒冈大学的Timothy Cohen合作，旨在利用机器学习技术，通过2013年发射的盖亚卫星来研究来自10亿颗恒星的数据，以阐明银河系的演化。

•贝叶斯优化方法用于Optobinder合成的实验设计

芭芭拉·恩格尔哈特，计算机科学副教授;运营研究与金融工程副教授;以及分子生物学助理教授Jared Toettcher

光遗传学是一种使研究人员能够利用光来打开和关闭细胞中的蛋白质的技术，它有可能帮助人们了解癌症和霍乱等疾病。但是，除了植物中的某些蛋白质外，科学家没有特定的策略使任何蛋白质对光产生反应。这项研究的目的是利用机器学习技术来模拟策略，使更多的蛋白质反应更快。

•解码大脑语言

心理学和普林斯顿神经科学研究所教授Uri Hasson和计算机科学助理教授Karthik Narasimhan

这个项目的目的是深入研究人类大脑的内部运作，研究我们的思想如何变成文字，我们如何相互交流，以及我们如何使用语言。

•朝向语言感知的构成基础

计算机科学助理教授Olga Russakovsky和计算机科学助理教授Karthik Narasimhan

本项目将建立指标来评估各种图像字幕系统的准确性，并找到方法来改进这些系统。

•分子结构和相互作用生成模型的物理先验

瑞安·亚当斯，计算机科学教授，阿比盖尔·道尔，a·巴顿·赫本，化学教授

为制药业和其他工业部门合成新的化合物可能是一个困难而昂贵的过程。该项目旨在通过使用机器学习技术来模拟分子结构及其化学相互作用，从而简化这一过程，以创建新的、有用的化合物或更容易的途径来生成所需的化合物。

•一个定量分析视听语音数据的工具箱

迪恩·诺克斯，政治学助理教授

该项目旨在开发一个机器学习程序，收集、清理和分析人类语言中的视听数据，提高交流分析的整体有效性。