El rey Mengdi

Científico informático teórico

Mengdi Wang es una científica informática teórica que es profesora en la Universidad de Princeton . Su investigación considera la teoría fundamental que sustenta el refuerzo y el aprendizaje automático. Fue nombrada una de las 35 menores de 35 años por MIT Technology Review en 2018.

Vida temprana y educación

Wang era estudiante de grado en la Universidad de Tsinghua , donde se especializó en automatización. A los 18 años, se unió al Instituto Tecnológico de Massachusetts como estudiante de posgrado, donde trabajó junto a Dimitri Bertsekas . ^[1] Su investigación doctoral desarrolló métodos estocásticos para sistemas lineales a gran escala. ^[2]

Investigación y carrera

Wang se especializa en los marcos teóricos que sustentan el aprendizaje automático y el aprendizaje por refuerzo. ^[3] Se incorporó a la Universidad de Princeton como profesora adjunta en 2014. ^[4] Fue la primera persona en proponer métodos de gradiente estocástico para la optimización de la composición. ^[1] En sus primeros trabajos utilizó el refuerzo para minimizar el riesgo en las carteras financieras y ayudar a los hospitales a identificar posibles complicaciones. ^[3]

Wang ha estudiado los procesos de decisión de Markov , un modelo para el aprendizaje por refuerzo. Utiliza métodos de compresión de estados para utilizar datos empíricos y esbozar procesos de Markov de caja negra . ^[4]

En 2020, Wang se unió al Instituto de Transformación Digital C3.ai, un consorcio de investigadores que buscan acelerar el uso de la inteligencia artificial en la sociedad. Propuso que el aprendizaje por refuerzo podría usarse para proteger a los establecimientos educativos del COVID-19 . ^[5] Utilizó la identificación de sistemas y el control adaptativo para desarrollar estrategias para comprender el estado de salud de los estudiantes y para implementar algoritmos que recomiendan intervenciones a los tomadores de decisiones. ^[5] En 2024, se le otorgó un programa de Iniciativa de Investigación Universitaria Multidisciplinaria del Departamento de Defensa de los Estados Unidos para desarrollar IA y aprendizaje por refuerzo para sistemas biológicos. ^[6] Demostró que era posible utilizar grandes modelos de lenguaje con representación semántica para diseñar vacunas de ARNm . ^[7]

Premios y honores

• Premio a Jóvenes Investigadores en Optimización Continua de la Sociedad de Optimización Matemática 2016 ^[8]
• Premio a la Innovación SEAS de Princeton 2016 ^{[ cita requerida ]}
• Premio NSF a la trayectoria profesional 2017 ^[9]
• Premio Google para profesores 2017 ^[10]
• MIT Tech Review 2018: 35 menores de 35 ^[1]
• Premio YunFan de WAIC 2022 ^[11]
• Premio Donald Eckman del Consejo Americano de Control Automático 2024 ^[12]

Publicaciones seleccionadas

• Aaron Sidford; Mengdi Wang; Xian Wu; Lin Yang; Yinyu Ye (2018). "Tiempo casi óptimo y complejidades de muestra para resolver procesos de decisión de Markov con un modelo generativo" (PDF) . Avances en sistemas de procesamiento de información neuronal 31 . Avances en sistemas de procesamiento de información neuronal. Wikidata  Q59481743.
• Mengdi Wang; Ji Liu; Ethan Fang (2016). "Aceleración de la optimización de la composición estocástica" (PDF) . Avances en sistemas de procesamiento de información neuronal 29 . Avances en sistemas de procesamiento de información neuronal. Wikidata  Q46993803.
• Junyu Zhang; Alec Koppel; Amrit Singh Bedi; Csaba Szepesvari; Mengdi Wang (noviembre de 2020). "Método de gradiente de política variacional para aprendizaje por refuerzo con utilidades generales" (PDF) . Avances en sistemas de procesamiento de información neuronal 33 . Avances en sistemas de procesamiento de información neuronal. Wikidata  Q104090329.

Referencias

1. "Mengdi Wang | Innovadores menores de 35 años". www.innovatorsunder35.com . Consultado el 29 de abril de 2024 .
2. "Métodos estocásticos para problemas lineales a gran escala, desigualdades variacionales y optimización convexa | WorldCat.org". search.worldcat.org . Consultado el 29 de abril de 2024 .
3. "De las matemáticas al significado: la inteligencia artificial combina algoritmos y aplicaciones". Ingeniería eléctrica e informática . Consultado el 29 de abril de 2024 .
4. "Seminario CISE: 5 de abril de 2019 – Mengdi Wang, Universidad de Princeton | Centro de Ingeniería de Sistemas e Información". www.bu.edu . Consultado el 29 de abril de 2024 .
5. "Los miembros de la facultad de Ingeniería Eléctrica reciben subvenciones para la investigación de COVID-19 del Instituto de Transformación Digital C3.ai". Ingeniería Eléctrica e Informática . Consultado el 29 de abril de 2024 .
6. "Defensa respalda investigación pionera en aprendizaje automático para redes biológicas". Ingeniería eléctrica e informática . Consultado el 29 de abril de 2024 .
7. "¿Pueden los modelos de lenguaje leer el genoma? Este decodificó el ARNm para fabricar mejores vacunas". Ingeniería eléctrica e informática . Consultado el 29 de abril de 2024 .
8. "El profesor adjunto Mengdi Wang gana el premio a la mejor investigación". Investigación de operaciones e ingeniería financiera . Consultado el 29 de abril de 2024 .
9. "El profesor Mengdi Wang recibe el premio NSF CAREER". Investigación de operaciones e ingeniería financiera . Consultado el 29 de abril de 2024 .
10. "El profesor Mengdi Wang recibe el premio Google Faculty Award". Investigación de operaciones e ingeniería financiera . Consultado el 29 de abril de 2024 .
11. "Lista de ganadores del premio WAIC·Yunfan 2022 - GAIAA". www.thegaiaa.org . Consultado el 29 de abril de 2024 .
12. "Premio Donald P. Eckman | A2C2". a2c2.org . Consultado el 29 de abril de 2024 .