6位华人入选！2021年MIT?“35岁以下科技创新35人”名单出炉( 二 )

-个人主页
https://pbs.jhu.edu/directory/janice-chen/
孙啸， IBM ， 34岁

现任IBM研究员，本科毕业于北京大学微电子专业，博士与博士后毕业于耶鲁大学，主要研究内容是使用减精度推理与训练来加快深度神经网络计算。
-入选理由
人工智能计算的关键是寻找出在整个计算过程中只使用少数位的技术。之后，你可能还是要执行上万亿次计算，但每次计算都会变得简单许多。根据孙啸和IBM同事在ISSCC2021上发表的一篇论文，使用两位数的数字不仅节省时间，而且节省能源，比使用数十亿数字进行同样的计算要高出20倍以上的节能率。
孙啸是IBMThomasJ.Watson研究中心一个研究小组的成员，该小组一直在寻找方法，使用三数位、甚至两数位的数字来执行这些计算（现代笔记本电脑或手机使用20位数字进行计算，而大多数专用的机器学习芯片只使用5个数位）。
今年2月，部分基于孙啸的工作， IBM推出了一款新芯片，使用三位数的计算来训练神经网络。 IBM希望不仅能用这款芯片在云计算中心训练大型神经网络，还希望训练本地数据、在手机上使用。
-个人主页
https://researcher.watson.ibm.com/researcher/view.php?person=us-xsun
沈亦晨， Lightelligence ， 32岁

Lightelligence（初创光子AI芯片公司）联合创始人兼CEO 。高中就读于杭州外国语学校，本科毕业于约翰霍普金斯大学物理与数学专业，随后在约翰霍普金斯大学攻读数学硕士， 2016年毕业于麻省理工学院应用物理学专业，毕业没多久就基于他的博士论文创立了两家公司，分别是Lightelligence与LuxLabs 。
-入选理由
2017年，沈亦晨与NicholasHarris发表了一篇如今谷歌学术引用接近1000的论文（“Deeplearningwithcoherentnanophotoniccircuits”），谈到将光路应用于机器学习任务，比如语音和图像识别。他们的设计被评为“代表了使用光的神经网络最关键构建块之一的真正并行实现，现代代工厂可以轻松地批量制造这种类型的光子系统。 ”这意味着芯片的光子计算机可能会成为一个市场巨大的业务，每个要使用神经网络进行决策的设备都会用到一个光子计算机。
涉及到神经网络的基本计算有两种：一是必须对神经网络进行训练，通常是向神经网络展示大量数据，使它们调整众多神经元之间的连接强度；二是使用现有连接进行决策。也就是学车与开车的区别。
在这种情况下，差异很关键。如果一个神经网络需要数周时间来学习如何识别图像，那不一定是问题。但如果它正在驾驶一辆自动驾驶汽车，就需要在秒内做出生死推断。这时候，光子计算机就派上了用场。
尽管光子计算机的研究已经进行了数十年，但效果却不佳。操纵光子比操纵电子还难。但是，对于某些类型的计算，比如使用现有神经网络进行推理，光子又是必不可少的。
沈亦晨与Harris基于这篇工作共同创办了Lightelligence 。 Lightelligence在2019年发布了原型光学AI芯片，目前已获得超过1亿美元的资金。
-个人主页
https://www.shenyichen.org/
JieXu ，阿贡国家实验室， 33岁

现任美国阿贡国家实验室助理科学家，博士毕业于南京大学，博士后毕业于斯坦福大学。
-入选理由
JieXu的主要贡献是发明了聚合物电路（一种即使被弯曲、拉伸和反复移动也仍能继续工作的材料）。