Gerade eben wurde die Liste der NVIDIA-Stipendien für das Jahr 2026 veröffentlicht, und chinesische Doktoranden dominieren die Liste mit einem Anteil von 80%.

Der jährliche NVIDIA-Stipendiumswettbewerb ist abgeschlossen.

Seit 25 Jahren unterstützt das NVIDIA Graduate Fellowship Program Doktoranden bei ihrer herausragenden Arbeit im Bereich der NVIDIA-Technologien.

Heute hat das Programm die 10 Doktorandenpreisträger für das Jahr 2026 bekanntgegeben. Jeder von ihnen erhält eine Förderung von bis zu 60.000 US-Dollar, um seine Forschungen in allen Bereichen der Recheninnovation zu unterstützen.

Ihre Forschungsarbeiten konzentrieren sich auf die führenden Gebiete der beschleunigten Berechnung, einschließlich autonomer Systeme, Computerarchitektur, Computergrafik, Deep Learning, Programmiersystemen, Robotik und Sicherheit.

Unter den 10 Preisträgern dieses Jahres sind 8 Chinesen. Im vergangenen Jahr wurden 7 chinesische Doktoranden ausgewählt, darunter Absolventen der Shanghai Jiao Tong University, der University of Science and Technology of China und der Zhejiang University.

Im Folgenden werden wir uns die Informationen der Preisträger dieses Jahres ansehen.

Jiageng Mao

University of Southern California. Preisgrund: Lösung komplexer physikalischer KI-Probleme mithilfe verschiedener a priori-Kenntnisse aus Internet-Skalendaten, um ein robustes und verallgemeinerbares Intelligenzmodell für physische Agenten in der realen Welt zu entwickeln.

Nach den Informationen ist Jiageng Mao ein Doktorand an der University of Southern California. Sein Forschungsgebiet ist die physikalische Künstliche Intelligenz. Sein Ziel ist es, KI in die reale Welt anzuwenden, indem er Algorithmen in Bereichen wie Robotik, Computervision und natürlicher Sprachverarbeitung entwickelt. Es ist bekannt, dass er sich besonders für intuitive Physik, große visuelle Sprach-(-Aktions-)Modelle und Weltmodellierung interessiert.

Liwen Wu

University of California, San Diego. Preisgrund: Verbesserung der Realismus und Effizienz der physikbasierten Rendering mithilfe von neuronalen Materialien und neuronalem Rendering.

Liwen Wu ist ein Doktorand am Department für Informatik und Ingenieurwissenschaften der University of California, San Diego. Zuvor hat er einen Master- und Bachelor-Abschluss in Informatik an der University of Illinois at Urbana-Champaign erworben. Sein Forschungsgebiet ist die Computergrafik und die 3D-Vision. Er interessiert sich besonders für neuronales Rendering, inverses Rendering, (neuronale) Erscheinungsmodellierung und 3D-Rekonstruktion.

Sizhe Chen

University of California, Berkeley. Preisgrund: Einsatz für die Sicherheit der KI in der realen Welt. Derzeit konzentriert er sich darauf, durch allgemeingültige und praktikable Schutzmaßnahmen Agenten vor Prompt-Injection-Angriffen zu schützen, ohne deren Funktionalität zu beeinträchtigen.

Nach den Informationen konzentriert sich Sizhe Chen derzeit auf die Sicherheitsprobleme der KI in der praktischen Anwendung. Zuvor hat er einen Master- und Bachelor-Abschluss in Ingenieurwissenschaften an der Shanghai Jiao Tong University erworben. Nach seiner Meinung ist der Prompt-Injection-Angriff die größte Bedrohung für KI-Agenten und hat bereits mehrere KI-Systeme von Unternehmen wie Google, OpenAI und Anthropic tatsächlich geschädigt. Um die breitere Anwendung von LLMs in KI-Agenten zu fördern, hat er ein prinzipielles, allgemeingültiges und praktikables Schutzsystem gegen Prompt-Injection-Angriffe entwickelt.

Yunfan Jiang

Stanford University. Preisgrund: Entwicklung skalierbarer Methoden zur Konstruktion von universellen Robotern für alltägliche Aufgaben mithilfe gemischter Datenquellen, die reale Ganzkörpermanipulationen, umfangreiche Simulationen und Internet-Skalen-Multimodalüberwachung umfassen.

Nach den Informationen ist Yunfan Jiang ein dritter Jahrgang Doktorand am Department für Informatik der Stanford University. Er studiert unter der Leitung von Professor Fei - Fei Li und gehört zum Stanford Vision and Learning Lab. Sein Forschungsgebiet liegt an der Schnittstelle zwischen Maschinellem Lernen und Robotik. Zuvor hat er einen Master-Abschluss von der Stanford University erworben und war auch als Forschungsstipendiat bei NVIDIA GEAR und am Boston Dynamics AI Institute tätig.

Yijia Shao

Stanford University. Preisgrund: Forschung zur Mensch - Maschine - Kollaboration, Entwicklung von KI - Agenten, die während der Aufgabenausführung mit Menschen kommunizieren und koordinieren können, und Entwurf neuer Mensch - Maschine - Schnittstellen.

Nach den Informationen ist Yijia Shao eine Doktorandin in natürlicher Sprachverarbeitung an der Stanford University. Sie hat ihren Bachelor-Abschluss in Data Science von der Yuanpei College der Peking University erworben und begann dort bereits mit der Forschung in den Bereichen Maschinelles Lernen und natürliche Sprachverarbeitung. Sie hat in Institutionen wie dem Microsoft Research Asia und der University of California, Los Angeles, Praktika absolviert.

Derzeit interessiert sie sich für Maschinelles Lernen und natürliche Sprachverarbeitung und setzt sich dafür ein, Modelle der natürlichen Sprachverarbeitung (z. B. LLMs) in größere Systeme zu integrieren.

Shangbin Feng

University of Washington. Preisgrund: Förderung der Modellkooperation, sodass mehrere maschinelle Lernmodelle, die von verschiedenen Personen mit verschiedenen Daten trainiert wurden, miteinander kooperieren, kombiniert und komplementiert werden können, um eine offene, dezentrale und kollaborative zukünftige KI zu ermöglichen.

Er hat 2022 mit dem Doktoratsstudium an der University of Washington begonnen. Seine Forschungsgebiete umfassen Modellkooperation, soziale natürliche Sprachverarbeitung (NLP), Netzwerke und Strukturen. Er hat seinen Bachelor-Abschluss in Informatik und Technologie von der Xi'an Jiaotong University und seinen Master-Abschluss in Informatik und Ingenieurwissenschaften von der University of Washington erworben.

Irene Wang

Georgia Institute of Technology. Preisgrund: Entwicklung eines ganzheitlichen Ko - Design - Frameworks, das Accelerator - Architektur, Netzwerktopologie und Laufzeitplanung integriert, um eine großangelegte, energieeffiziente und nachhaltige KI - Trainingsumgebung zu schaffen.

Zurzeit ist sie eine dritte Jahrgang Doktorandin am Georgia Institute of Technology unter der Leitung von Professor Divya Mahajan. Zuvor hat sie einen Bachelor-Abschluss in Computer Engineering von der University of British Columbia erworben.

Derzeit interessiert sie sich für Maschinelles Lernsysteme und Computerarchitektur und konzentriert sich auf die Optimierung der verteilten Deep - Learning - Infrastruktur.

Chen Geng

Stanford University. Preisgrund: Modellierung der 4D - Physikwelt mithilfe skalierbarer datengesteuerter Algorithmen und physikalisch motivierter Prinzipien, um die Entwicklung von physikalisch fundierten 3D - und 4D - Weltmodellen in der Robotik und den Wissenschaften voranzutreiben.

Zurzeit ist er ein Doktorand in Informatik an der Stanford University unter der Leitung des bekannten Forschers Jiajun Wu. Im Jahr 2023 hat er einen akademischen Abschluss in Informatik von der Zhejiang University erworben.

Sein Forschungsschwerpunkt liegt an der Schnittstelle zwischen 4D - Computervision, Grafik und Maschinellem Lernen. Er interessiert sich besonders für die datengesteuerte Modellierung der physischen Welt und die Anwendung solcher Modelle. Derzeit ist er daran interessiert, einen neuro - symbolischen Grafik - Engine zur (inversen) Modellierung von makroskopischen mechanischen Systemen zu entwickeln.

Shvetank Prakash

Harvard University. Preisgrund: Konstruktion von KI - Agenten mithilfe neuer Algorithmen, ausgewählter Datensätze und Agenten - fokussierter Infrastruktur und Förderung der Hardwarearchitektur und Systementwicklung.

Er hat seinen Bachelor-Abschluss von der Columbia University School of Engineering and Applied Science erworben und begann 2021 mit dem Doktoratsstudium in Informatik an der Harvard University. Seine Forschungsinteressen umfassen energieeffiziente maschinelle Lernsysteme, Computerarchitektur und Maschinelles Lernen im Systembereich.

Manya Bansal

MIT. Preisgrund: Entwurf von Programmiersprachen für moderne Acceleratoren, die es Entwicklern ermöglichen, modularen und wiederverwendbaren Code zu schreiben, ohne die untere Ebene Kontrolle für die Erreichung der Spitzenleistung aufzugeben.

Zurzeit studiert sie Informatik auf Doktoratsebene am MIT. Sie hat ihren Bachelor-Abschluss von der Stanford University erworben. Ihre Forschungsinteressen umfassen die Entwicklung von skalierbaren und effizienten Sprachen für heterogene Systeme.

Außerdem gibt es 5 Finalisten für das NVIDIA - Stipendium 2026. Sie sind:

• Zizheng Guo, Peking University
• Peter Holderrieth, MIT
• Xianghui Xie, Max - Planck - Institut für Informatik
• Alexander Root, Stanford University
• Daniel Palenicek, Technische Universität Darmstadt

Link zur offiziellen Website:

https://blogs.nvidia.com/blog/graduate-fellowship-recipients-2026-2027/

Dieser Artikel stammt aus dem WeChat - Account "Machine Intelligence" (ID: almosthuman2014). Autor: AI - Enthusiast. 36Kr hat die Veröffentlichung mit Genehmigung erhalten.