关于内卷与反内卷、建立学术社交网络，听听过来人的建议

（本文阅读时间：7分钟）编者按：作为尚处求学阶段的学生，该如何有意识地建立自己的学术社交网络？面对日益“内卷”的社会环境，该如何平衡科研与生活并达到自洽？在近期举办的微软亚洲研究院 Ada Dialogue 活动上，来自微软亚洲研究院数据、知识与智能组的主管研究员黄丹青和副研究员于智薇为实习生们分享了她们的经验与心得。希望前辈的分享可以帮助大家走出当前的困惑。Ada Dialogue 是微软亚洲研究院特别为女实习生们举办的交流活动，期待通过帮助女实习生与女研究员、工程师建立有意义的联系，来帮助她们更好地成长与发展。本期嘉宾黄丹青微软亚洲研究院主管研究员于智薇微软亚洲研究院副研究员有意识地建立学术社交网络社交媒体也是重要渠道Q：如何建立高质量的学术社交网络？于智薇：疫情之前，线下学术会议是一个很好的社交场所，在讨论学术之余一起观光，社交会很自然。如今许多会议转变为线上模式，频率大大降低，也没有线下会议中天然的亲切感。所以现在许多学术社交主要基于社交媒体，许多研究者会在账号中分享自己正在做的工作，同领域其他研究者会点赞并留言分享观点，由此能够认识许多同一学术圈的人。当你发现自己想做的事情别人也有相关计划时，就会产生合作机会。对于实习生而言...

6d

什么样的药不能一起吃？双视图表征学习为联合用药预测带来新突破！

（本文阅读时间：15分钟）编者按：布洛芬到底不能和什么药物一起服用，这是近期最受关注的话题之一。对于需要服用多种药物的病人来说，确保这些药物不会因为相互作用而对人体造成伤害至关重要。对此领域的药物 - 药物相互作用 (drug-drug interaction, DDI) 预测研究也已引起广泛关注。以往的研究通常从整个药物分子的单双视角对药物信息进行建模，而忽略了原子间详细的相互作用，导致信息不完整和有噪声，限制了 DDI 预测的准确性。近期，微软研究院科学智能中心的研究员和湖南大学 DrugAI 团队首次提出了一种新的用于 DDI 预测的双视图药物表示学习网络 (“DSN-DDI”)，该网络迭代地使用局部和全局表示学习模块，同时从单个药物 (“intra-view”) 和药物对 (“inter-view”)...

2w

高精度压缩Transformer，NNI剪枝一站式指南

（本文阅读时间：11分钟）无论在学术界还是产业界，今年人工智能大模型都是爆款话题。但面对这些动不动就数十亿级别参数的模型，使用传统方法微调，宛如水中捞月、海底捞针。作为微软亚洲研究院为科研人员和算法工程师量身定制的一站式 AutoML（自动机器学习）工具， NNI（Neural Network Intelligence）在过去的三年间不断迭代更新，加强了对各种分布式训练环境的支持，成为了最热门的 AutoML 开源项目之一。近日，微软亚洲研究院对 NNI 进行了更新。在最新的版本中，NNI 集成了大量前沿的剪枝算法，如 TaylorFO Weight、Movement 等。基于现有的经典预训练模型，研究员们通过大量实验，发现了既能降低模型参数量和计算量，又能保持模型较高精度的剪枝步骤与算法组合，获得超越...

2w

AI for Science：追求人类智能最光辉的一面

（本文阅读时间：7分钟）编者按：过去一年里，AI for Science 技术成果集中爆发，在生物医药、材料、物理、化学、甚至数学中发挥越来越重要的作用，AI 在自然科学领域的巨大潜力也成为学界、业内人士最关注的话题之一。近期，由量子位主办的 MEET2023 智能未来大会邀请微软研究院科学智能中心亚洲区负责人、微软亚洲研究院副院长刘铁岩共同探讨对于 AI for Science 的最新思考与未来趋势研判。AI for Science 如何点亮科学研究的无限可能性？下面就让我们一起看一看刘铁岩对微软研究院 AI for Science 研究成果的分享和未来之路的展望吧！演讲视频AI for Science：第五范式最近10年里，AI 飞速发展，在很多任务上已经和人类媲美。而且近年来，以 GPT-3、DALL·E...

3w

科学匠人 | 梁傑然：长期主义研究者的心法秘诀

（本文阅读时间：14分钟）编者按：近期，微软亚洲研究院高级研究员梁傑然（Mike Liang）关于 AI 模块化研究的论文“On Modular Learning of Distributed Systems for Predicting End-to-End Latency”刚刚被国际顶级网络领域学术会议 NSDI 2023 接收。一个多月前，梁傑然此前的研究工作“Design and Evaluation of a Versatile and Efficient Receiver-Initiated Link Layer for Low-Power Wireless”还荣获了国际移动计算和感知领域顶级会议 ACM SenSys 2022 时间检验奖（Test of Time Award）。一项研究成果，经受住时间的检验，十二年之后再获认可，这对研究员来说是一种怎样的体验？梁傑然是如何做到持续创新与坚持长期主义研究的？现在的他又有着怎样的研究愿景？微软亚洲研究院高级研究员梁傑然（Mike...

3w

宝藏资源合集！微软亚洲研究院2022年度学术资源礼包大放送

（本文阅读时间：8分钟）新年已至，回望我们一起走过的2022年，我们一起研讨计算机前沿进展，拓展跨学科交流，共同打造计算机领域的多元生态。微软研究峰会2022、各大计算机顶会的论文分享会、微软亚洲研究院理论中心前沿系列讲座、Ada Workshop 2022……错过了这些活动或是想要回看？我们已将2022年度的学术资源整理如下，期待与你一起回顾。拓展跨学科交流，聚焦计算赋能可持续发展予力全球每一个人、每一个组织，成就不凡，是微软的使命。微软亚洲研究院一直在推进计算赋能社会可持续发展，期待构建一个具有复原力且可持续发展的全球社会。今年，我们进一步拓展跨学科合作，持续与全球不同领域的专家合作，共同探索人工智能的未来。在今年10月的微软研究峰会2022中，全球专家共同探讨如何在充满不确定性的当下探索未来、新兴研究将如何更好地应对社会挑战。从高效的大规模人工智能、增强人类的生产力和创造力、云计算的未来、通过隐私身份和负责任的人工智能建立用户信任、精准医疗等不同维度，勾勒出更高效、适应性更强的人工智能未来形态，以及赋能人类创造力和助力可持续社会发展的技术图景。微软研究峰会2022回放：https://www.microsoft.com/en-u...

3w

实习体验、科研成长，你想知道的答案都在这

（本文阅读时间：10分钟）在微软亚洲研究院实习是一种什么体验？科研新手、间隔年学生、计算机及各种专业的同学们在这里有何种别样的收获？他们又有怎样的独家科研经验？我们为你汇总了“明日之星”们在2022年的难忘故事，相信你一定能从中收获到自己想要的答案！“如何选择自己在工业界的第一份实习？”第一份实习将对一个人产生长足的影响，不少同学就将微软亚洲研究院作为自己的工业界实习第一站。在研究院同期实习、而后双双远赴哈佛大学读博的李缙与杨笑东作为科研新手来实习，这段经历帮助他们塑造了良好的研究品味。在他们的工业界研究院科研初体验中，李缙与笑东自由地探索新知、扎实地开展科研、持之以恒地与同道中人交流共振，这份经历从科研理念、技术、视野等方方面面为他们日后的科研之路奠定了坚实的基础。其中，对他们影响最深的便是科研品味的塑造。在这里，他们明确了什么是好的研究，意识到树立正确的研究观念、打好坚实的研究基础的重要性。“首先要找出一个自己觉得值得被研究的问题”，这样才能产生持续的动力与成就感，杨笑东以数学为工具，在理论视角下解决计算机等应用领域中的问题。而在“慢工出细活”的系统研究领域，李缙也养成了稳健的技术心态，“更愿意挖掘出其中的复杂性”，做真正有价值的...

3w

微软亚洲研究院祝大家2023新年快乐！

文章原文

4w

微软亚洲研究院2022年度成就图鉴：这把高端局

亲爱的微软亚洲研究院服务器的玩家们：恭喜你，通关2022赛季中的所有挑战！距离2022赛季版本下线仅剩1天。本赛季，你在微软亚洲研究院服务器人工智能赛道所取得的成就奖励现已结算，请在成就图鉴中注意查收并及时领取成就卡片！现在，你已经在微软亚洲研究院服务器的2022赛季中达成1000/1000 *的完美结局！2023赛季版本即将更新，你在2022赛季的荣誉均已存档，新获得的人物、装备和技能也皆已齐备。在此，我们希望你带上这一年的经验与进展，点亮跨越计算机领域内外的更多版图，开启全新的冒险！2022年，你还解锁了什么成就？2023年，你的主线任务是？欢迎在评论区分享！*2005年，Xbox 360上推出了 Gamerscore 系统，这是第一套统一平台的多游戏成就系统。当玩家主页上的 Gamerscore...

4w

微软亚洲研究院深入探索图深度学习领域两大挑战，以图深度学习赋能知识计算

（本文阅读时间：14分钟）编者按：在 NeurIPS 2022 联合 Open Graph Benchmark 举办的大规模图学习竞赛（Open Graph Benchmark Large-Scale Challenge，OGB-LSC）上，微软亚洲研究院数据、知识与智能（DKI）组的研究员们聚焦知识图谱的链接预测任务，通过更好的知识图谱补全方案，实现了知识图谱更高的“时效性”、“准确性”和“完备性”。而在今年2月 WSDM 2022 联合亚马逊举办的动态异质图上的链接预测竞赛中，DKI 组的研究员们也取得了优异的成绩，其研究成果强调了对异质图信息和时序信息的建模。在图深度学习领域的持续深耕，让微软亚洲研究院 DKI 组提出了一系列新方法和新思路，为多项研究成果的突破奠定了基础。那么对于图深度学习技术在知识计算领域的应用，微软亚洲研究院的研究员们有哪些独到的理解？又预见了哪些前沿的研究方向？图（Graph），作为一种通用的数据组织方式，被广泛应用于建模实体间的联系，例如知识图谱、社交网络、交通路网、引文网络、互联网以及云服务依赖关系网络等。随着深度学习技术的快速发展，由深度学习与图数据处理相结合，催生出了图深度学习这一热门的研究方向，...

4w