DataX正在资助八个新的跨学科人工智能研究项目

八个新的跨学科研究项目获得了普林斯顿大学SchmidtDataX基金的种子基金，这是该基金自2019年以来进行的第三轮资助。该基金在施密特期货基金会的一项重大捐赠的支持下，为探索使用人工智能提供资助和机器学习来加速发现。

这八个资助项目涉及七个部门和项目的13名教师，从计算机科学和工程到近东研究和心理学。

这些项目涉及方方面面，包括破译11至13世纪埃及的大量文件、提高有机半导体设备的性能、提高自动驾驶的安全性以及揭示人类思维动态等建议。

“这些项目令人兴奋，因为它们探索了在加速科学发现的同时，使用现代数据分析和机器学习方法可以解决多么重要和具有挑战性的问题。核心思想是用机器辅助方法取代缓慢而费力的过程，”统计和机器学习中心(CSML)主任彼得·拉马奇(PeterRamadge)说。“这些项目并不局限于传统的‘技术’领域，还跨越了人文社会科学中的大规模问题。”

CSML正在监督SchmidtDataX基金为扩大数据科学和机器学习在校园内的影响范围所做的一系列努力。这些努力包括聘请数据科学家和监督DataX赠款的授予。这是DataX的第三轮种子资金。

开罗Geniza是在一座埃及犹太教堂中发现的中世纪手稿，它帮助历史学家重建了从西班牙到苏门答腊的普通商人、工匠、妇女、儿童和奴隶的网络。但自发现藏宝箱以来的一个世纪里，学者们发表的文献文献还不到5,000篇。HTR4PGP试图通过使用机器学习来生成可搜索的转录，将这个数字增加三倍。

下一代免疫流行病学的机器学习方法

C.JessicaMetcalf，普林斯顿公共与国际事务学院(SPIA)生态学和进化生物学与公共事务副教授;

布赖恩格伦费尔，凯瑟琳布里格和莎拉芬顿生态学和进化生物学和公共事务教授，SPIA

高维免疫学数据越来越多，尤其是在大流行强调了记录保存的重要性的情况下。然而，能够深入了解人口结果和疾病控制的适当分析方法仍然难以捉摸。为了解决这个问题，该项目寻求开发一种使用机器学习来分析免疫学数据并揭示影响整个人群的传染病的隐藏机制的过程。

有机半导体器件是多层的，有时包括七到八个不同的层，但这些层是无序的并且限制了有机半导体器件的性能。该项目通过使用数据科学设计结晶层来解决这些缺点，从而进一步推动这些设备的发展。

在我们的脑海中，思想不断地自由地展开。用于分析这些不受约束的、自发的想法的典型方法是劳动密集型、昂贵且低效的。为了解决这些限制，该项目旨在开发机器学习工具来有效地分析自发思维的内容和动态，以便深入了解思维的功能及其临床意义。

随着气候变暖，冰架大量融化会加速海平面上升，但目前估算融化率的方法不足以处理噪声大、分辨率差的数据。为了更准确地评估南极洲冰架融化的程度和速度，该项目建议使用由观测数据和物理定律训练的神经网络来更好地评估这种气候变化现象的影响。

地球科学领域充斥着诸如地球地震、重力和磁学特性的测量数据，但分析这些数据的技术往往效率低下，因为地球科学数据可能不完整且嘈杂。为了解决这些问题，研究人员开发了一种计算技术来分析高效、快速和稳健的地球科学数据。为了进一步推进这项技术，该项目建议通过对陆地和行星场进行数据分析来测试该程序，重点是金星的地形和地球海底的测深。