Le programme promeut la carrière des membres du corps enseignant, futurs leaders universitaires dans les technologies informatiques de pointe. Il favorise également la collaboration à long terme avec les principaux leaders techniques d'Intel. Les prix ont été attribués sur la base de recherches progressistes en informatique, en ingénierie et en sciences sociales pour soutenir la transition numérique mondiale dans divers domaines : logiciels, sécurité, interconnexion, mémoire, architecture et processus.
Voici les dix professeurs assistants ayant reçu un prix Rising Star Faculty Award d'Intel : les Professeures assistantes Chelsea Finn de l'Université de Stanford, Hannaneh Hajishirzi de l'Université de Washington, Nadia Polikarpova de l'Université de San Diego, Bo Li de l'Université d'Urbana-Champaign, Christina Delimitrou de l'Université de Cornell et les Professeurs assistants Daniel Soudry du Technion, Asif Khan de Georgia Tech, Baris Kasikci de l'Université du Michigan, Jaydeep Kulkarni de l'Université du Texas à Austin, Hamed Hassani de l'Université de Pennsylvanie.
Les travaux de recherche de Daniel Soudry, Professeur assistant en Génie Électrique au Technion, consistent à améliorer l'efficacité du deep learning (méthode d'apprentissage rattachée à l'intelligence artificielle, qui conçoit des réseaux de "neurones" de plusieurs couches). Malgré les progrès impressionnants réalisés grâce aux réseaux neuronaux artificiels, ils sont encore loin des capacités des réseaux biologiques dans la plupart des domaines - la mouche la plus simple est bien plus ingénieuse que les robots les plus avancés. L'approche novatrice du Professeur Soudry repose sur des modèles dont la précision numérique est faible. Diminuer la précision numérique du modèle de réseau neuronal est un moyen simple d'améliorer l'efficacité de leurs ressources. La quasi-totalité dumatériel informatique récent lié au deep learning repose principalement sur des mathématiques de faible précision. Cette méthode est avantageuse car elle permet de réduire la mémoire nécessaire pour stocker le réseau neuronal, de réduire la surface de la puce et d'améliorer considérablement le rendement énergétique.
Recevez les actualités du Technion France
Thank you! Your submission has been received!
Oops! Something went wrong while submitting the form