这10个教员项目由SchmidtFutures的一项重大捐赠提供支持，涉及19名研究人员以及从计算机科学到政治学的多个部门和项目。

这些项目探索了各种主题，包括分析金钱与政治如何相互作用、发现和开发具有量子特性的新材料以及推进自然语言处理。

普林斯顿大学GordonYSWu工程学教授兼统计与机器学习中心主任彼得·拉马奇(PeterRamadge)表示：“我们对获得资助的项目范围广泛感到兴奋，这表明数据科学在各个学科中的重要性和影响力(CSML)。“这些项目以多方面的方式使用人工智能和机器学习：挖掘隐藏的联系或模式，为难以预测的复杂系统建模，并开发新的分析和处理模式。”

(资料图片)

CSML正在监督SchmidtDataX基金为扩大数据科学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的第二轮种子资金，第一轮是在2019年。

10个获奖项目及研究人员

发现发展算法

BernardChazelle，EugeneHiggins计算机科学教授;EszterPosfai，JamesA.Elkins,Jr."41分子生物学导师和分子生物学助理教授;StanislavY.Shvartsman，分子生物学教授和LewisSigler综合基因组学研究所，也是1999年的博士。校友

“自然算法”是一个术语，用于描述通过进化随时间建立的动态生物过程。该项目旨在通过数据分析探索和理解一种自然算法，将受精卵转化为多细胞生物的过程。

MagNet

：使用机器学习工具和SPICE模拟转换功率磁学设计

NirajJha，电气和计算机工程教授;电子与计算机工程系助理教授YuxinChen

磁性元件通常是电力电子产品中最大和效率最低的元件。为了解决这些问题，该项目提议开发一个开源的、基于机器学习的磁学设计平台，以转变功率磁学的建模和设计。

常识推理的多模态知识库构建

，计算机科学助理教授，JiaDeng和DanqiChen

为了推进自然语言处理，研究人员一直在开发大规模的、基于文本的常识知识库，以帮助程序理解关于世界的事实。但是这些数据集构建起来很费力，并且对象之间的空间关系存在问题。该项目试图通过使用视频中的信息和文本来解决这两个限制，以自动构建常识性知识库。