肯普纳研究所（Kempner Institute）副教员、哈佛大学应用数学助理教授Cengiz Pehlevan因其题为“开发神经网络理论以揭示大脑如何学习”的项目而获得了享有盛誉的NSF职业奖。该奖项是美国国家科学基金会（NSF）职业计划的一部分，旨在支持作为研究人员和学术榜样表现出非凡前景的早期职业教师。

Pehlevan研究神经元网络如何在自然和人工环境中计算和学习。利用应用数学，他开发了关于神经网络如何运作的可测试假设，然后应用这些框架来更好地理解大脑数据。

虽然科学家们目前使用机器学习来分析大量数据并识别大脑活动和连接模式，但他们仍然不太了解为什么存在这种模式，或者他们告诉我们大脑如何学习。Pehlevan的理论工作旨在弥合这一差距，使人们更好地了解数据如何在大脑中表示，突触可塑性如何允许大脑学习，以及为什么人工神经网络在某些任务中仍然优于当前的大脑神经网络模型。

在加入哈佛大学之前，Pehlevan是Flatiron Institute计算生物学中心的研究科学家。此前，他是珍妮莉亚研究园区的博士后助理，在此之前是哈佛大学的斯沃茨研究员。Pehlevan 是 2023 年阿尔弗雷德 P. 斯隆神经科学研究奖学金的获得者。他在布朗大学获得物理学博士学位，在博加济奇大学获得物理学和电气工程学士学位。

关于肯普纳研究所

肯普纳研究所旨在通过招募和培训未来几代研究人员从生物学、认知学、工程学和计算角度研究智力，了解自然和人工系统中智能的基础。它的大胆前提是自然和人工智能领域密切相关;下一代人工智能（AI）将需要与我们的大脑用于快速，灵活的自然推理相同的原理，并理解我们的大脑如何通过为AI开发的理论来阐明计算和推理。加入肯普纳邮件列表以了解更多信息，并接收更新和新闻。