由统计和机器学习中心提供
10个跨学科研究项目获得了普林斯顿大学施密特数据基金(Schmidt DataX Fund)的资助，目标是在校园内推广和深化人工智能和机器学习的使用，以加速发现。
这10个教师项目由施密特未来基金会(Schmidt Futures Foundation)的一大笔捐款支持，涉及19名研究人员和几个部门和项目，从计算机科学到政治。
这些项目探索了各种各样的主题，包括金钱和政治如何相互作用的分析，发现和开发展示量子特性的新材料，以及推进自然语言处理。
普林斯顿大学戈登Y.S. Wu工程教授兼统计与机器学习中心(CSML)主任Peter Ramadge表示:“我们对获得资助的广泛项目感到兴奋，这表明了数据科学在各个学科的重要性和影响。”“这些项目在多方面使用人工智能和机器学习:挖掘隐藏的联系或模式，为难以预测的复杂系统建模，并开发新的分析和处理模式。”
CSML正在监督由施密特DataX基金所做的一系列努力，以扩大数据科学在整个校园的影响。这些努力包括雇佣数据科学家和监督DataX资助的授予。这是DataX的第二轮种子融资，第一轮将于2019年进行。
10个获奖项目和科研人员
计算机科学尤金·希金斯教授伯纳德·沙泽勒(Bernard Chazelle);埃斯特·波斯费，小詹姆斯·a·埃尔金斯41年分子生物学讲师，分子生物学助理教授;Stanislav Y. Shvartsman，分子生物学教授，Lewis Sigler Institute for Integrative Genomics，也是1999年毕业的博士
“自然算法”是一个术语，用来描述在进化过程中建立起来的动态的生物过程。本项目旨在通过数据分析探索和理解一种自然算法，即受精卵转化为多细胞生物的过程。
陈敏杰，电气与计算机工程助理教授，Andlinger能源与环境研究中心;电气和计算机工程教授Niraj Jha;陈宇新，电子与计算机工程助理教授
磁性元件通常是电力电子中最大且效率最低的元件。为了解决这些问题，本项目提出开发一个开源的、基于机器学习的磁设计平台，以改变功率磁的建模和设计。
基于常识推理的多模态知识库构建
邓佳陈丹奇计算机科学助理教授
为了推进自然语言处理，研究人员一直在开发大规模的、基于文本的常识知识库，这有助于程序了解世界的事实。但是建立这些数据集很费力，而且对象之间的空间关系也存在问题。这个项目试图通过使用视频信息和文本信息来解决这两个限制，以便自动构建常识知识库。
电子和计算机工程教授杰森·弗莱舍尔(Jason Fleischer)表示
聚类算法用于对对象进行分组，但当对象有多个标签、组需要详细的统计信息或数据集增长或改变时，聚类算法就会失败。这个项目通过开发使聚类算法更加敏捷和复杂的网络来解决这些缺点。将演示医疗数据的改进表现，特别是患者对COVID-19的反应。
新框架的数据在半导体器件建模，表征和优化适合机器学习工具
Claire Gmachl，尤金Higgins教授的电气工程
该项目致力于开发一种新的机器学习驱动框架来建模、表征和优化半导体器件。
个人政治捐款
政治学教授马蒂亚斯·艾里奇佐尔
为了回答关于金钱和政治相互作用的问题，本项目提出使用微观层面的数据来分析潜在政治贡献者的个人特征，政治候选人的特征和选择，以及政治贡献。
Jonathan Mayer，普林斯顿公共与国际事务学院计算机科学与公共事务助理教授
技术和公共政策交叉的许多研究问题涉及个性化的内容、社交媒体活动和其他个性化的在线体验。该项目与Mozilla合作，正在建立一个基于浏览器的数据科学平台，使研究人员能够研究用户如何与在线服务交互。该平台的初步研究将分析用户如何接触、消费、分享和对政治和COVID-19信息和错误信息采取行动。
自适应深度神经网络和“物理”隐藏层:多相流的应用Sankaran Sundaresan，诺曼·约翰·索伦伯格工程学教授，化学和生物工程学教授
本项目建议使用神经网络为复杂的多物理流体流动开发基于数据的模型，其中明确强制执行物理约束。
Charles Phelps Smyth的16 *17化学教授Herschel Rabitz;Tak-San Ho，研究化学家
该项目旨在利用人工神经网络来设计、建模、理解和控制不同粒子之间的量子动力学现象，如原子和分子。(注:该项目2019年也获得DataX资助。)
莱斯利·斯库普，化学助理教授;物理学教授博格丹·伯内维格;尼古拉斯·勒尼奥，物理学访问学者
该项目旨在利用机器学习技术发现和开发“拓扑物质”，这是一种具有量子特性的物质，其未来的应用将影响能源效率和超级量子计算机的兴起。当前拓扑物质的应用受到了严重的限制，因为它所期望的特性只出现在极低的温度或高磁场中。