stringtranslate.com

Ширли Хо

Ширли Хо — американский астрофизик и исследователь машинного обучения , в настоящее время работает в Центре вычислительной астрофизики в Институте Флэтайрон и является ассоциированным преподавателем в Центре науки о данных в Нью-Йоркском университете . [1] [2]

Биография

Хо получила степень бакалавра по физике и степень бакалавра по информатике в Калифорнийском университете в Беркли . [3] Она продолжила обучение в докторантуре на кафедре астрофизических наук Принстонского университета . [1] [4] В 2008 году она получила докторскую степень по астрофизическим наукам. [1] Впоследствии она работала в Национальной лаборатории Лоуренса в Беркли с 2008 по 2012 год в постдокторской должности в качестве Чемберлена и стипендиата Сиборга. [1]

Хо работала в Университете Карнеги-Меллона , сначала в качестве доцента, а затем в качестве ассоциированного (с неопределенным сроком полномочий) профессора физики. В 2015 году Хо была назначена профессором кафедры развития имени Купера-Сигеля в Университете Карнеги-Меллона. [5] В 2016 году она вернулась в Национальную лабораторию Лоуренса в Беркли в качестве старшего научного сотрудника, находясь в отпуске из Университета Карнеги-Меллона.

В 2018 году Хо присоединился к Фонду Саймонса в качестве лидера группы Cosmology X Data Science [6] в Центре вычислительной астрофизики (CCA) в Институте Флэтайрон . [7]

Исследовать

Хо исследует космологию, глубокое обучение и его применение в астрофизике и науке о данных. [8] В частности, она интересуется разработкой и внедрением глубокого обучения для лучшего понимания Вселенной и других астрофизических явлений. [9]

Она внесла вклад в несколько областей астрофизики: космический микроволновый фон , [10] космологические модели , темная энергия , темная материя , [11] [12] пространственное распределение галактик и квазаров , [13] барионные акустические колебания , [14] [15] и космологическое моделирование. [16]

Что касается глубокого обучения и его приложений к космологии и астрофизике. [17] [18] [19] Хо принимала участие в разработке ускоренных астрофизических симуляций. [20] Она принимала участие в разработке и развертывании фреймворка вывода на основе ускоренного глубокого обучения для больших спектроскопических исследований, [21] и дальнейшего ускоренного физического моделирования, начиная от моделирования динамики жидкостей и заканчивая моделированием динамики планет. [22] [23] [24] Ее нынешняя команда в Институте Флэтайрон и Принстонском университете объединяет символическую регрессию и нейронные сети для восстановления физических законов непосредственно из наблюдений, демонстрируя символическую регрессию как пример хорошего индуктивного смещения для интерпретируемого машинного обучения в науке. [25] [26] [27]

Хотя ей почти всегда не удавалось сбалансировать свои исследовательские интересы в области машинного обучения и вселенной, [28] ее страсть к управлению наукой позволила ей приписать большую часть своих научных успехов студентам и коллегам, с которыми ей посчастливилось работать. [28] Действительно, ее способность перехватывать научное финансирование через связи с частными фондами, такими как Simons Foundation и Schmidt Futures Foundation [29], достигает кульминации в финансировании Polymathic AI [30] [31] . [32] Ее команда пользуется достаточно большими ресурсами для обучения крупномасштабных моделей машинного обучения не только для астрофизики, но и для моделирования климата Земли, [33] чего, как правило, трудно достичь в некоммерческой среде. [34] Ее связи с несколькими учреждениями, каждое из которых имеет свой собственный пресс-отдел, гарантируют ей существенное освещение в СМИ, часто в форме интервью от первого лица, которые дают ей прямую платформу для обмена своими взглядами. [35] [36] [37] [38]

Призы

Хо получила несколько премий за свой вклад в космологию и астрофизику, в том числе:

Ссылки

  1. ^ abcd "Shirley Ho". Simons Foundation . 6 октября 2017 г. Получено 13 сентября 2020 г.
  2. ^ "Домашняя страница Ширли Хо". users.flatironinstitute.org . Получено 13 сентября 2020 г. .
  3. ^ ab "Ширли Хо названа финалисткой Национальной премии имени Блаватника для молодых ученых 2023 года". Фонд Саймонса . 26 июля 2023 г. Получено 23 августа 2023 г.
  4. ^ Университет Карнеги-Меллона. "Ширли Хо - Кафедра физики - Университет Карнеги-Меллона". www.cmu.edu . Получено 13 сентября 2020 г. .
  5. ^ Университет Карнеги-Меллона. "Физик Ширли Хо получает звание профессора Купера-Сигеля - Научный колледж Меллона - Университет Карнеги-Меллона". www.cmu.edu . Архивировано из оригинала 3 августа 2020 года . Получено 30 октября 2020 года .
  6. ^ «Космология X Наука о данных».
  7. ^ Чанг, Кеннет (22 ноября 2016 г.). «Фонд Джеймса Саймонса открывает новый институт вычислений и больших данных». The New York Times .
  8. ^ "Главная". users.flatironinstitute.org . Получено 16 февраля 2021 г. .
  9. ^ «Первое моделирование Вселенной с помощью искусственного интеллекта — быстрое и точное, и его создатели не знают, как оно работает». Фонд Саймонса . 26 июня 2019 г. Получено 16 февраля 2021 г.
  10. ^ Ho, Shirley; Hirata, Christopher; Padmanabhan, Nikhil; Seljak, Uros; Bahcall, Neta (1 августа 2008 г.). "Корреляция РКФ с крупномасштабной структурой. I. Интегрированная томография Сакса-Вульфа и космологические последствия". Physical Review D . 78 (4): 043519. arXiv : 0801.0642 . Bibcode :2008PhRvD..78d3519H. doi :10.1103/PhysRevD.78.043519. ISSN  1550-7998. S2CID  38383124.
  11. ^ Вагноцци, Санни; Джусарма, Елена; Мена, Ольга; Фриз, Кэтрин; Джербино, Мартина; Хо, Ширли; Латтанци, Массимилиано (1 декабря 2017 г.). «Раскрытие $\ensuremath{\nu}$ секретов с помощью космологических данных: массы нейтрино и иерархия масс». Physical Review D. 96 ( 12): 123503. arXiv : 1701.08172 . doi : 10.1103/PhysRevD.96.123503 . S2CID  119521570.
  12. ^ Хо, Ширли; Дедео, Саймон; Спергель, Дэвид (1 марта 2009 г.). «Поиск пропавших барионов с использованием реликтового излучения в качестве подсветки». arXiv : 0903.2845 [astro-ph.CO].
  13. ^ Ho, Shirley; Cuesta, Antonio; Seo, Hee-Jong; de Putter, Roland; Ross, Ashley J.; White, Martin; Padmanabhan, Nikhil; Saito, Shun; Schlegel, David J.; Schlafly, Eddie; Seljak, Uros (1 декабря 2012 г.). "Clustering of Sloan Digital Sky Survey III Photometric Luminous Galaxies: The Measurement, Systematics, and Cosmological Implications". The Astrophysical Journal . 761 (1): 14. arXiv : 1201.2137 . Bibcode :2012ApJ...761...14H. doi :10.1088/0004-637X/761/1/14. S2CID  15716313.
  14. ^ Андерсон, Лорен; Обур, Эрик; Бейли, Стивен; Бойтлер, Флориан; Бхардвадж, Вайшали; Блантон, Майкл; Болтон, Адам С.; Бринкманн, Дж.; Браунштейн, Джоэл Р.; Берден, Анджела; Чуан, Чиа-Сюнь (11 июня 2014 г.). «Кластеризация галактик в спектроскопическом обзоре барионных колебаний SDSS-III: барионные акустические колебания в выборках галактик из релизов данных 10 и 11». Monthly Notices of the Royal Astronomical Society . 441 (1): 24–62. arXiv : 1312.4877 . Bibcode : 2014MNRAS.441...24A. doi : 10.1093/mnras/stu523 . ISSN  0035-8711. S2CID  5011077.
  15. ^ Варгас-Маганья, Мариана; Хо, Ширли; Куэста, Антонио Дж.; О'Коннелл, Росс; Росс, Эшли Дж.; Эйзенштейн, Дэниел Дж.; Персиваль, Уилл Дж.; Гриб, Ян Никлас; Санчес, Ариэль Дж.; Тинкер, Джереми Л.; Тожейро, Рита (11 июня 2018 г.). «Кластеризация галактик в завершенном спектроскопическом обзоре барионных колебаний SDSS-III: теоретическая систематика и барионные акустические колебания в корреляционной функции галактик». Monthly Notices of the Royal Astronomical Society . 477 (1): 1153–1188. arXiv : 1610.03506 . Bibcode :2018MNRAS.477.1153V. doi : 10.1093/mnras/sty571 . ISSN  0035-8711. S2CID  54838269.
  16. ^ «Первый симулятор вселенной ИИ быстр и точен, а его создатели не знают, как он работает». ScienceDaily . Получено 13 сентября 2020 г. .
  17. ^ Раванбахш, Сиамак (2016). «Оценка космологических параметров по распределению темной материи». Труды 33-й Международной конференции по машинному обучению . 48 : 2407–2416. arXiv : 1711.02033 .
  18. ^ Хэ, Сиюй; Ли, Инь; Фэн, Юй; Хо, Ширли; Раванбахш, Сиамак; Чэнь, Вэй; Поцоз, Барнабас (9 июля 2019 г.). «Учимся предсказывать формирование космологической структуры». Труды Национальной академии наук . 116 (28): 13825–13832. arXiv : 1811.06533 . Bibcode : 2019PNAS..11613825H. doi : 10.1073/pnas.1821458116 . ISSN  0027-8424. PMC 6628645. PMID 31235606  . 
  19. ^ Вадекар, Дигвиджай; Виллаескуза-Наварро, Франциско; Хо, Ширли; Перро-Левассер, Лоренс (2021). «HInet: Генерация нейтрального водорода из темной материи с помощью нейронных сетей». The Astrophysical Journal . 916 (1): 42. arXiv : 2007.10340 . Bibcode : 2021ApJ...916...42W. doi : 10.3847/1538-4357/ac033a . S2CID  220665447.
  20. ^ Хе, Сию (2019). «Учимся предсказывать формирование космологической структуры». Труды Национальной академии наук . 116 (28): 13825–13832. arXiv : 1811.06533 . Bibcode : 2019PNAS..11613825H. doi : 10.1073/pnas.1821458116 . PMC 6628645. PMID  31235606 . 
  21. ^ Хан, Чан-Хун (2022). «SIMBIG: подход прямого моделирования для анализа скопления галактик». arXiv : 2211.00723 [astro-ph.CO].
  22. ^ Тамайо, Дэниел; Кранмер, Майлз; Хадден, Сэмюэл; Рейн, Ханно; Батталья, Питер; Обертас, Алиса; Армитидж, Филип Дж.; Хо, Ширли; Спергель, Дэвид Н.; Гилбертсон, Кристиан; Хуссейн, Найрин (4 августа 2020 г.). «Предсказание долгосрочной стабильности компактных многопланетных систем». Труды Национальной академии наук . 117 (31): 18194–18205. arXiv : 2007.06521 . Bibcode : 2020PNAS..11718194T. doi : 10.1073/pnas.2001258117 . ISSN  0027-8424. PMC 7414196 . PMID  32675234. 
  23. ^ Кранмер, Майлз; Санчес-Гонсалес, Альваро; Батталья, Питер; Сюй, Руи; Кранмер, Кайл; Спергель, Дэвид; Хо, Ширли (19 июня 2020 г.). «Открытие символических моделей с помощью глубокого обучения с индуктивными смещениями». arXiv : 2006.11287 [cs.LG].
  24. ^ Yip, Jacky HT; Zhang, Xinyue; Wang, Yanfang; Zhang, Wei; Sun, Yueqiu; Contardo, Gabriella; Villaescusa-Navarro, Francisco; He, Siyu; Genel, Shy; Ho, Shirley (17 октября 2019 г.). «От темной материи до галактик с помощью сверточных нейронных сетей». arXiv : 1910.07813 [astro-ph.CO].
  25. ^ Кранмер, Майлз (2020). «Открытие символических моделей с помощью глубокого обучения с индуктивными смещениями» (PDF) . NeurIPS 2020. arXiv : 2006.11287 .
  26. ^ Лемос, Пабло; Джеффри, Ниалл; Кранмер, Майлз; Хо, Ширли; Батталья, Питер (4 февраля 2022 г.). «Повторное открытие орбитальной механики с помощью машинного обучения». Машинное обучение: Наука и технологии . 4 (4): 045002. arXiv : 2202.02306 . Bibcode : 2023MLS&T...4d5002L. doi : 10.1088/2632-2153/acfa63. ​​S2CID  246607780.
  27. ^ Кранмер, Майлз; Санчес-Гонсалес, Альваро; Батталья, Питер; Сюй, Руи; Кранмер, Кайл; Спергель, Дэвид; Хо, Ширли (17 ноября 2020 г.). «Открытие символических моделей с помощью глубокого обучения с индуктивными смещениями». arXiv : 2006.11287 [cs.LG].
  28. ^ ab "Искусственный интеллект". Ширли Хо . Получено 5 сентября 2024 г.
  29. ^ "Polymathic". polymathic-ai.org . Получено 7 сентября 2024 г. .
  30. ^ «От поля до вилки: путешествие полиматического ИИ к более устойчивой сальсе». www.linkedin.com . Получено 7 сентября 2024 г. .
  31. ^ "Polymathic AI". www.envisioning.io . Получено 7 сентября 2024 г. .
  32. ^ «Разрушение границ с помощью полиматического ИИ: переломный момент для исследователей».
  33. ^ «Ученые работают над Polymathic AI, новым инструментом, который поможет совершать научные открытия». The Indian Express . 16 октября 2023 г. Получено 7 сентября 2024 г.
  34. ^ Stutz, David (27 марта 2024 г.). «Мысли об академических кругах и промышленности в исследованиях машинного обучения • Дэвид Штутц». Дэвид Штутц . Получено 7 сентября 2024 г. .
  35. ^ Science, NYU Center for Data (11 сентября 2024 г.). «Встречайте ученого-исследователя: Ширли Хо». Medium . Получено 6 ноября 2024 г.
  36. ^ Томас, Самнер (Фонд Саймонса). «Первая симуляция вселенной ИИ быстрая и точная — и ее создатели не знают, как она работает». Phys.org .
  37. ^ ab Vu, Linda (14 мая 2018 г.). «Planck Collaboration Wins 2018 Gruber Cosmology Prize». Национальная лаборатория Лоуренса в Беркли . Получено 6 сентября 2024 г.
  38. ^ Университет Карнеги-Меллона, январь 2015 г. «Ширли Хо получает премию Карнеги за научные достижения — физический факультет — Университет Карнеги-Меллона». www.cmu.edu . Получено 13 сентября 2020 г. .
  39. ^ "OYRA Award (MACRONIX PRIZE) | OCPA". Архивировано из оригинала 4 июля 2019 года . Получено 13 сентября 2020 года .
  40. ^ "SDSS Researcher Awarded for Outstanding Research". Sloan Digital Sky Survey . 5 ноября 2014 г. Получено 6 сентября 2024 г.