来源 | 机器之心
2024 年谷歌博士奖学金（Google PhD Fellowship）获奖名单公布了。该奖项旨在奖励在计算机科学等前瞻科研领域表现优异的年轻学者，奖学金用于直接支持攻读博士学位，并提供与谷歌研究导师合作的机会。
根据 2024 年谷歌博士生奖学金项目名单显示，今年共有 85 人获奖，分为 13 个方向：算法与理论 8 人、分布式系统与并行计算 1 人、健康与生物科学 11 人、人机交互与可视化 7 人、机器智能 22 人、机器感知 6 人、自然语言处理 12 人、网络 2 人、量子计算 3 人、安全隐私和防止滥用 6 人、硅芯片研究 1 人、软件系统 1 人、语音处理 5 人。
以下为部分入选华人博士生介绍：
算法与理论
Sun Yan，新加坡国立大学
![]()
Sun Yan 是新加坡国立大学 (NUS) 计算机学院信息系统专业博士生，导师是 Stanley Kok 教授。Sun Yan 本科毕业于香港中文大学（深圳）。
Sun Yan 的研究兴趣是机器学习中的算法及其应用，还研究过计算机图形学，例如图内核、异常检测。
个人主页：https://mathildasunyan.wixsite.com/academic-hub
吕欣，加州大学伯克利分校
![]()
吕欣是加州大学伯克利分校博士生，导师是 Avishay Tal 和 Jelani Nelson。吕欣本科毕业于清华大学交叉信息科学研究所（姚班）。
吕欣的研究兴趣主要在于理论计算机科学，涉及伪随机性、计算复杂度和差分隐私方面的问题。
个人主页：https://people.eecs.berkeley.edu/~xinlyu/
健康与生物科学
Chang Kao Jung，阳明交通大学
![]()
Chang Kao Jung 为阳明交通大学医学博士，主要研究方向为大数据、AI、基因遗传学等领域。
Hanjia Lyu，罗彻斯特大学
![]()
Hanjia Lyu 是罗彻斯特大学计算机科学系四年级博士生，指导老师是罗杰波教授。此前，他在罗彻斯特大学获得了数据科学硕士学位，在复旦大学获得了学士学位，主要研究方向包括健康信息学，行为科学等领域。
个人主页：https://brucelyu17.github.io/
Jason Yang，加州理工学院
![]()
Jason Yang 为加州理工学院博士生，指导老师是 Frances Arnold 教授和 Yisong Yue 教授，他本科毕业于耶鲁大学。主要研究方向为蛋白质工程、机器学习等领域。
谷歌学术：https://scholar.google.com/citations?user=SsDR5GkAAAAJ&hl=en
Kara Liu，斯坦福大学
![]()
Kara Liu 目前是斯坦福大学计算机科学博士生，指导老师是 Russ Altman 教授。她的研究重点是开发和应用机器学习方法，以实现公平有效的医疗保健。
在此之前，Kara Liu 在加州大学伯克利分校获得计算机科学学士学位，还曾在 Pieter Abbeel 和 Aviv Tamar 的指导下从事长视界视觉规划和表征学习的研究。
个人主页：https://karamarieliu.github.io/
Lingtong (Tony) Xu，多伦多大学
![]()
Lingtong (Tony) Xu 博士毕业于加拿大多伦多大学，本科毕业于不列颠哥伦比亚大学。
领英主页：https://www.linkedin.com/in/tony-lt-xu/?originalSubdomain=ca
人机交互与可视化
Erzhen Hu，弗吉尼亚大学
Erzhen Hu 为弗吉尼亚大学计算机科学博士生，导师是 Seongkook Heo 教授。在此之前，她获得了弗吉尼亚大学统计学硕士学位和上海大学学士学位。Erzhen Hu 的研究包括通过多模态智能体增强人机交互、利用 LLM 以及将先进的 2D 和 3D 计算机视觉方法应用于多用户场景、 XR 应用，探索人机通信范式。个人主页：https://erzhenh.com/曹宇舟是新加坡南洋理工大学计算与数据科学学院博士生，研究方向为统计学习及其在可信机器学习中的应用，导师是安波教授。曹宇舟本科毕业于中国农业大学。个人主页：https://yzcao-nkg.github.io/Cheng-Yu Hsieh 是华盛顿大学计算机科学与工程专业的博士生，之前，他在台湾大学获得学士和硕士学位。Cheng-Yu Hsieh 的研究目标是借助数据和模型扩展在当今的大规模环境中更加高效和有效，实现人工智能开发的民主化。个人主页：https://chengyuhsieh.github.io/Eric Zhao 是加州大学伯克利分校计算机科学博士生，导师是 Nika Haghtalab 和 Michael I. Jordan。Eric Zhao 的研究兴趣在于多目标机器学习的算法和数学基础。个人主页：https://eric-zhao.com/Haodong Lu 是新南威尔士大学博士生，导师是 Dong Gong 和 Lina Yao。Haodong Lu 的研究兴趣集中在理解和适应数据分布变化，特别关注分布外 (OOD) 检测和持续学习，致力于开发强大的计算机视觉和多模态模型，能够随着时间的推移有效地检测和适应新的数据分布。Kaiwen Wang 目前是康奈尔大学的博士生，在进入研究生院之前，Kaiwen 在 Meta AI 工作，负责构建推荐算法模型和 ReAgent 平台。他的研究领域包括强化学习、因果关系和大型语言模型。黄凯旋是普林斯顿大学电气与计算机工程系博士生，导师是王梦迪教授。黄凯旋本科毕业于北京大学。黄凯旋的研究兴趣是用于基础模型的强化学习（例如，用于扩散模型 / 语言模型的 RLHF）和用于强化学习的基础模型（LLM/VLM 智能体）。个人主页：https://hackyhuang.github.io/Peizhen Li 是麦考瑞大学计算学院的博士生，本硕就读于中山大学。她的研究兴趣集中在具身智能、机器人技术、机器学习。Siyao Li 是新加坡南洋理工大学 MMLab 的博士生，他的导师是 Chen Change Loy 教授。在此之前，他曾在商汤科技研究院担任全职研究员，与 Quan Wang、Wenxiu Sun 和 Chao Dong 紧密合作。他的研究兴趣集中在 3D 生成、AIGC 相关。何晓昕是新加坡国立大学计算机学院的博士生，指导老师为 Bryan Hooi 和 Xavier Bresson。在此之前，她在复旦大学获得了本科学位。她的研究兴趣为将深度学习技术应用于图结构数据。相信大家还记得引起巨大关注与争议的 KAN，刘子鸣就是 KAN 的一作。目前，他在麻省理工学院和 IAIFI 攻读博士学位。他的研究兴趣在于 AI for Physics，还成立了 AI4Science 研讨会。张健荣（Jianrong Zhang），悉尼科技大学Jianrong Zhang 为悉尼科技大学博士生，导师是 杨易（Yi Yang） 教授，他本科、硕士毕业于吉林大学。他的主要研究方向为计算机视觉和人体运动生成。Sheng-Yu Wang 为 CMU 博士生，导师是 CMU 助理教授朱俊彦，Sheng-Yu Wang 主要研究方向为计算机视觉、深度学习等。Sheng-Yu Wang 参与的多篇论文被 ICCV、CVPR 接收。个人主页：https://peterwang512.github.io/吴胜琼目前是新加坡国立大学计算学院 NExT++ 研究中心的博二学生，由 Tat-Seng Chua 教授指导，她在武汉大学获得了硕士和学士学位。吴胜琼的研究兴趣主要集中在基于场景图的视觉 - 语言理解领域、多模态大型语言模型以及扩散模型。她是去年引发 AI 社区关注的「大一统」通用多模态大模型 ——NExT-GPT 的一作。David Wan 是北卡罗来纳大学教堂山分校的四年级博士生，指导老师是 Mohit Bansal。在此之前，他毕业于哥伦比亚大学，获得学士和硕士学位，指导老师是 Kathleen McKeown。他的研究兴趣是自然语言处理。马欣尹为新加坡国立大学的博士，由王鑫超教授指导。本硕就读于浙江大学。她是最流行的结构化剪枝方法 LLM-Pruner 的一作。她目前的研究重点在于高效训练模型领域，已在 NeurIPS、CVPR、EMNLP、IJCAI 等顶级会议上发表了数篇论文。Minzhi Li 是新加坡国立大学的博士生，指导老师为 Prof. Min-Yen Kan、Dr. Nancy F Chen 和 Prof. Shafiq Joty，同时也和杨笛一紧密合作。她正在探索如何评估计算机在自然语言处理方面是否具备一定的社会智能。目前，她创建了相关分类体系、数据集以及更高效的数据处理方法。陈山是哈佛 - MGB AIM 的博士生，与马斯特里赫特大学联合培养。他的目标是为医疗保健开发更可解释的人工智能系统，期望能建立起更稳健的评估方法，促进医生和患者沟通，为高风险医疗任务提供保障。Zihan Wang 为昆士兰大学的博士生，师从教授 Guangdong Bai 和 Jason Xue。目前他的研究兴趣是用形式化方法解决机器学习系统在现实世界中的安全和隐私问题。Yun-Chen Lo 目前是台湾清华大学的电子工程博士，在哈佛大学访学。他的研究重点在于为 AI 应用设计高效的 VLSI 架构和系统，有多篇论文被 MICRO、DAC、ICLR、ICCAD、ESSCIRC 和 TC 等顶会和期刊接收。个人主页：https://yunchenlo.github.io/杨书文是台湾大学的博士，是语音处理与机器学习（SPML）小组的核心成员。同时，他也是目前被广泛使用的语音模型基础测试集 SUPERB 的一作。在业余时间，他喜欢弹钢琴。他致力于开发一个能够全面理解语音，像真人一样，可以与自然语言、视觉等模态融会贯通的感知系统。他的主攻方向是表征学习，最近的研究集中在自监督学习、表征泛化能力和高效的预训练等领域。个人网站：https://leo19941227.github.io/https://research.google/programs-and-events/phd-fellowship/recipients/?filtertab=2024
