知识网络院士工作室

工作室研究目标

鹏城实验室知识网络院士工作室,由国家工程院院士领衔,有一批在人工智能、自然科学和知识图谱等领域国际一流的科学家为骨干团队,多名成员在哈佛、清华等名校任教。我们依托鹏城实验室大型科研平台资源,倡导并开展了对于人工智能在基础科学(如物理)的应用、自然语言处理、知识图谱的应用、与金融科技与学术等国际前沿研究课题。

工作室主要研究课题

1、人工智能在自然科学(如天体物理)中的应用

近十年来,天体物理学得到了一半的诺贝尔奖,领域呈加速发展趋势。随着观测技术的发展,天文数据呈指数型增长。例如,目前正在运行的暗能量巡天(Dark Energy Survey)的数据量至少是4PB。未来欧洲的欧几里得巡天,美国LSST巡天,则会把数据量推到50PB200PB。可观测星系天体的样本数目,将达到百亿。因此,以往传统编程加人工处理方式的效率已经不足以应付这样庞大的数据量了。利用人工智能技术在过去的十几年突飞猛进的发展,我们将在天体物理前沿问题中,使用如神经网络,非监督学习等,并努力发展新的探测装备,收集宇宙的全新数据,致力于发现宇宙及物理学全新的根本规律。

2、自然语言处理、知识图谱的研究与应用;

自然语言处理 (natural language processing) 是人工智能在语言学的一个分支领域。自然语言处理研究的目的是为了让计算机理解电脑输入的语言,是架起人类与计算机沟通的桥梁不可或缺的一环。因此,自然语言处理也被认为是人工智能领域最具挑战性的一个分支。自然语言处理包括了言语的认知,理解和生成几个部分。随着人工智能模型和算力的日益精进,自然语言处理将在未来几年迎来更大的突破。

知识图谱是用于构建的关于搜索目标(例如人物,动植物,公司等)知识之间的结构化逻辑关系网络。金融知识图谱是将,例如股票信息,银行资金,公司关系等知识映射到金融知识图谱中,来提高金融数据维度和数据信息量。利于当前的人工智能技术,金融知识图谱能大大提升预测金融市场走向的模型性能。医疗知识图谱可以将上千种疾病,上万种药物,以及各种治疗手段等医疗知识之间建立起结构化的知识数据。这些结构化的数据结合当前的深度学习技术,能为患者提供更加精准的医疗服务。

3、研究金融场景下的人工智能算法设计与应用;

金融领域具有充分完善多样的数据,价格波动更是受到广泛而复杂因素的影响,对基于简化假设的传统金融定价理论提出挑战。因此,在金融风洞研究中,我们引入AI技术,采用无监督学习、监督学习、元学习和强化学习等方法,进行包括特征工程、降噪、组合选择、资产择时、决策执行、降维以及非结构化信息处理等方面的合理应用。

4、构建金融科技监管创新工具,探索对于金融业务、监管与风险控制的前瞻性指导和技术建议。

探索对于金融业务、监管与风险控制的前瞻性指导和技术建议金融市场的价格具有波动性,金融政策与交易规则的执行效果具有很大的复杂性。 我们试图通过市场微结构的研究,理清各种因素与交易对手对市场价格形成过程与价格波动的影响,监控与预测市场价格波动,及时有效地提出市场监管辅助建议;并通过构建模拟市场环境,研究市场规则及市场结构变化的情况下市场波动性的情景分析。

 

招聘信息

1、博士后:

①现面向海内外诚聘人工智能、机器学习、统计学和天体物理学等相关领域的优秀人才。成功申请者将进行独立的科研,配有丰富的计算资源与中大型望远镜观测时间,并有机会与计算机科学领域的世界知名专家合作。我们特别寻找在机器学习方面有浓厚兴趣和经验的优秀天体物理学家加入。科学研究方向主要包括测光红移估计、星系宇宙学、弱透镜宇宙学、重子声学振荡 (BAO)、星系形成、环星系介质 (CGM) 和星系际介质 (IGM)。相关科学可用于宽视场望远镜(MUST)和空间站望远镜(CSST)未来的巡天设计和科学应用。

职位聘用期限为 2 年,视进展情况可能会续签第三年。我们提供具有世界竞争力的薪酬(约50万元人民币/年),以及独立的研究基金和福利。预计开始日期为2022年春季或夏季(可协商)。应聘者请将简历、所发表论文、研究计划陈述和三封推荐信发送至谢冬妮女士(xiedn@pcl.ac.cn),并抄送至must_hr@163.com

本招聘长期有效。

首批申请截止日期:2021 11 30

②计算金融博士后:国内或国外知名大学数学、计算机科学、信息科学以及物理、工程相关专业博士学位持有者;有志于计算金融或量化交易相关的研究;

2、金融数据分析工程师:数学、计算机科学、信息科学以及物理、工程相关专业学位持有者;具有大数据统计、信号处理或机器学习中一种或多种技能;具有良好的编程经验,熟悉PythonMatlabRC/C++等一种或多种语言。

3、人工智能、机器学习、统计学和天体物理学、数学、计算机科学、信息科学以及物理等相关专业方向的实习生。

简历投递邮箱pcl_fin_intern@pcl.ac.cn