所有的研究生研讨会都在周一和周三下午4:10到5:25在Peterson 118举行．加入我们的公开研讨会!
2023年春季
计算的可扩展计算:模拟极端规模系统的未来
4月19日星期三
约翰·雷德尔博士
战术计算实验室首席科学家/创始人
摘要
历史上的计算机体系结构和设计依赖于微观尺度的模拟和仿真技术来开发对体系结构效率和性能的增量改进。未来的超大规模数据密集型应用程序和工作负载需要的计算、内存和I/O资源远远超过当前企业服务器平台上可用的资源。在这次演讲中，我们将探索使用当前的高性能计算系统来模拟数据密集型可扩展计算平台的未来，使用多分辨率方法，将基于周期的模型和启发式模型结合到可扩展的模拟和协同设计基础设施中。
传记
John Leidel博士是战术计算实验室的首席科学家和创始人，在那里他领导开发先进的架构和编程模型技术，用于可扩展的高性能和数据密集型计算平台。他在2016年创立了战术计算实验室，前提是商品高性能计算硬件和软件架构不足以满足不断增长的可扩展数据密集型计算需求。Leidel目前正在研究使用RISC-V开发用于高性能计算、网络处理和不规则算法的先进加速器。他还领导战术计算实验室在高级编译器架构和编程模型方面的工作。Leidel目前担任RISC-V基金会的技术水平主席。他拥有德克萨斯理工大学计算机科学博士学位。
老师联系:罗杰·皮尔斯
气体分离用纳米多孔材料的多保真贝叶斯优化
4月17日星期一
科里·西蒙博士
俄勒冈州立大学助理教授
摘要
纳米多孔材料对气体混合物的高效吸附分离/净化非常有用。模块化、可调的纳米多孔材料为任何给定的气体分离任务提供了大量的候选结构。
通常，我们希望寻找具有最佳气体分离性能的纳米多孔材料，同时成本最低。
多保真度贝叶斯优化(MFBO)构成了一个“实验-更新-计划”的闭环，可以有效地找到最优的纳米孔材料，同时利用多个实验来权衡保真度和成本。MFBO的两个组成部分是:(1)代理模型，一个有监督的机器学习模型，预测每种材料的每个实验结果，具有量化的不确定性;(2)获取函数，根据每种材料对下一次实验的吸引力对每种材料和实验保真度进行评分，平衡成本、探索和开发。
在这次演讲中，我们利用MFBO在大约600个共价有机框架的数据库中有效地找到了对氙比氪具有最高吸附选择性的结构，同时利用高保真和低保真分子模拟。
[合作伙伴:俄勒冈州立大学的Nick Gantzler，华盛顿州立大学的Jana Doppa和Aryan Deshwal。]
传记
科里·西蒙博士是俄勒冈州立大学化学工程助理教授。他在加州大学伯克利分校获得化学工程博士学位。西蒙的研究小组开发数学模型，训练机器学习模型，并进行计算机模拟，以解决或提供对化学和材料科学问题的见解。
老师联系:里卡多Gutierrez-Osuna
“身份”的多重维度
4月10日星期一
Radia Perlman博士
计算机程序员和网络工程师
摘要
人们通常认为“身份问题”是很容易理解的，并且考虑到Internet身份验证已经部署了这么长时间，世界一定已经解决了如何安全地做到这一点(无论“那”是什么)。这个演讲描述了各种各样的问题，例如:一个网站如何获得一个名字，一个网站如何获得一个证书，一个浏览器如何知道应该信任什么来签署证书，一个人如何找到一个网站，一个人如何获得一个名字，以及一个用户如何证明他们拥有自己的名字。令人惊讶的是，今天部署的所有这些方面都存在问题。与大多数安全问题一样，有些人认为“区块链”是“解决方案”。本演讲将描述身份和身份验证区块链可能解决的问题，并将“区块链”方法与目前部署的方法进行比较。如果谈话能引发激烈的辩论，那就更好了。
传记
Radia Perlman博士将于今年9月以哈格勒研究员的身份开始与德克萨斯农工大学的合作，并将于2023年秋季教授一门网络安全课程。她的专长包括网络路由协议和网络安全。Perlman开发了使网络路由自稳定、自我管理和可扩展的技术。她还发明了生成树算法，将以太网从支持单个建筑物内几百个节点的技术转变为可以支持大型网络的技术。Perlman还在网络安全方面做出了贡献，包括可扩展的数据过期，恶意参与者的分布式算法，分布式拒绝服务预防技术和用户身份验证。她是教科书“互连”(关于网络第二层和第三层)的作者，也是“网络安全:公共世界中的私有通信”(关于密码学，量子计算，量子安全公钥算法等)的合著者。她拥有麻省理工学院(Massachusetts Institute of Technology)数学学士和硕士学位，以及计算机科学博士学位。
老师联系:斯科特·奇科夫
赢得网络安全对抗性机器学习竞赛并使恶意软件攻击成为现实所需知道的一切
4月3日星期一
马库斯·波塔辛博士
美国德州农工大学客座助理教授
摘要
使用机器学习(ML)技术进行恶意软件检测在过去二十年中一直是一种趋势，并且在文献中被认为是最先进的。最近，研究人员开始研究绕过这些基于ml的恶意软件检测器的对抗性方法。这些对抗性攻击变得如此流行，以至于一些公司发起了一项名为机器学习安全规避竞赛(MLSEC)的公开挑战，以鼓励研究人员开发和攻击基于ml的静态恶意软件检测器。在这次演讲中，Marcus在参与前三个MLSEC版本(2019-2021)的同时，在攻击和防御基于ml的恶意软件检测器的双方(连续三次)展示了成功的经验。
传记
Marcus Botacin是德克萨斯农工大学计算机科学与工程系的客座助理教授。他拥有计算机科学博士学位(巴西帕拉纳联邦大学，2021年)，计算机科学硕士学位(巴西坎皮纳斯大学，2017年)和计算机工程学士学位(巴西坎皮纳斯大学，2015年)。Botacin的主要研究方向是恶意软件分析、逆向工程和安全科学。
老师联系:里卡多Gutierrez-Osuna
解决核心微架构研究的挑战
3月22日星期三
丹尼尔·a·吉米内斯博士
教授，德州农工大学
摘要
核心微体系结构研究已经进行了几十年，但由于现代计算工作负载的不断变化的需求，核心微体系结构仍然至关重要。不断增长的指令足迹、大量数据涌入处理器、现代编程语言的开销以及对效率的重视都需要创新的方法。随着摩尔定律的终结，提高性能和效率的重任落在了微架构研究上。此外，随着越来越多的公司选择设计自己的处理器，学术界不仅要开发新的处理技术，还要培训设计这些新芯片的工作人员。
在这次演讲中，我将激发对核心微架构持续研究的需求，给出一些我们最近研究的主题的例子，如指令获取、地址转换和缓存管理，并对我们在这类工作中面临的挑战给出一些见解。例如，分支预测几十年来一直是一个研究得很好的主题，但是最近软件设计的趋势已经导致指令足迹的巨大增长，给指令获取的其他领域带来压力，并压倒了现代分支预测器的能力，最终导致性能下降。
传记
Daniel a . jimsamnez是德克萨斯农工大学计算机科学与工程系的教授。他在德克萨斯大学奥斯汀分校获得计算机科学博士学位。他的研究方向是微架构，包括微架构预测和缓存管理。jimsamnez率先开发了神经启发的分支预测器，这些预测器已经在IBM、AMD、Oracle和三星销售的数百万台处理器中得到了应用。
他设计了流行的三星Galaxy S7/8/9/10/20中使用的神经分支预测器。他在2001年关于基于感知器的分支预测的论文获得了电气和电子工程师协会(IEEE)高性能计算机体系结构国际研讨会(HPCA) 2019年时间测试奖。因在神经分支预测方面的贡献，吉米内斯获得了2021年IEEE CS B. Ramakrishna Rau奖。他是IEEE研究员，计算机协会(ACM)杰出科学家，国家科学基金会职业奖获得者，计算机体系结构国际研讨会(ISCA)， IEEE/ACM微体系结构国际研讨会和HPCA名人堂的成员。jimsamnez是IEEE计算机协会计算机体系结构技术委员会(TCCA)的主席和ISCA指导委员会的联合主席。他于2011年担任IEEE HPCA总主席，2011年担任IEEE HPCA项目主席，并担任IEEE Micro“Top Picks”2020评选委员会主席。
老师联系:里卡多Gutierrez-Osuna
人在循环创意AI
3月20日星期一
Takeo Igarashi)
教授，东京大学
摘要
将深度学习应用于图像、声音等内容的生成模型备受关注。然而，使用深度学习的生成过程是一个黑盒子，这使得人类难以理解和控制。在这次演讲中，我将介绍人工干预和控制这种生成过程和其他计算机辅助内容生成系统的方法。我将展示使用物理模拟、图像生成模型、3D模型和声学信号进行计算机辅助设计的例子。
传记
五十岚武夫(Takeo Igarashi)是东京大学创意信息系教授。他的研究兴趣是用户界面和交互式计算机图形学。Igarashi获得了多个奖项，包括计算机协会(ACM) SIGGRAPH 2006年重要新研究员奖，ACM CHI学院奖2018年和亚洲图形学2020年杰出技术贡献奖。他曾担任2013年ACM用户界面软件与技术研讨会(UIST)的项目联合主席，2016年ACM UIST的会议联合主席，2018年SIGGRAPH ASIA的技术论文主席和2021年ACM CHI的技术项目联合主席。
老师联系:Jeeeun金
学习推广到非分布数据
3月6日星期一
罗杰波博士
罗切斯特大学教授
摘要
数据驱动的深度模型将继承训练数据的特征，从而可以很好地处理分布中的测试数据。然而，在实际应用中，由于分布偏移、域偏移、孤立的数据服务器、噪声标签等因素，测试数据的分布可能与训练数据的分布不同。这些具有挑战性的数据集可能会使学习模型不可靠，并对学习模型对未知测试数据的泛化能力构成威胁。本讲座将涵盖几个相关的研究课题。首先，真实世界的数据不可避免地包含噪音和偏见。我们采用对抗学习来获得偏置/域不变特征，使学习到的模型可以推广到分布外的测试数据。其次，由于隐私问题和传输负载的原因，将数据从边缘设备直接传输到集中服务器以训练统一模型通常是不可实现的，而数据往往在不同的边缘设备之间异构分布。我们提出了联邦学习方法来缓解在分子图、医学图像和时间序列数据应用中的问题。
传记
罗杰波是罗切斯特大学的Albert Arendt Hopeman工程学教授和计算机科学教授。他的研究重点是计算机视觉、自然语言处理、机器学习、数据挖掘、社交媒体、计算社会科学和数字健康。罗撰写了近600篇论文，并获得了90多项美国专利。他也是研究界的活跃成员:美国国家物理学会(NAI)院士、美国计算机学会(ACM)院士、美国人工智能协会(AAAI)院士、美国电气与电子工程师学会(IEEE)院士、国际模式识别学会院士、美国国际电子工程学会(SPIE)院士、《IEEE多媒体学报》(2020-2022)主编、《IEEE模式分析与机器智能学报》(2006-2011)、《IEEE多媒体学报》(2004-2009)、《IEEE多媒体学报》(2013-2016)编委会成员。IEEE视频技术电路与系统汇刊(2010-2012)、IEEE大数据汇刊(2018-至今)、模式识别(2002-2020)、ACM智能系统与技术汇刊(2015-至今)等。此外，他还担任IEEE、ACM、AAAI、ACL、IAPR和SPIE主办的众多技术会议的组织或项目委员会成员，其中最引人注目的是，2010年ACM多媒体会议、2012年IEEE计算机视觉与模式识别会议(CVPR)、2016年ACM多媒体检索会议和2017年IEEE国际图像处理会议的项目联合主席。
老师联系:天宝杨
网络战争——从乌克兰吸取的教训
2月27日星期一
Martti Lehto博士
Jyväskylä大学实践教授
摘要
网络战涉及对关键基础设施的非动能攻击。关键的基础设施系统包括动态、交互和非线性元素的异质混合。网络战具有进攻性和防御性两种方法，包括自身的系统防御、网络情报和进攻性行动，以破坏、扰乱或摧毁系统和过程。本报告讨论了网络战争的原则，针对关键基础设施的网络攻击和乌克兰网络战争的经验。
传记
Martti Lehto博士(军事科学)，上校(GS)(退休)在Jyväskylä大学信息技术学院(IT)担任实践(网络安全)教授。作为芬兰国防军C4ISR系统的开发人员和领导者，他拥有超过30年的经验。莱托在芬兰空军服役了30年，他的最后一个职位是空军司令部后勤和军备副参谋长。现在他是一名网络安全和网络防御研究员和IT学院的教师。他还是国防大学空战和网络战的兼职教授。莱托的研究领域包括网络安全战略、网络战、航空和海上网络安全以及关键基础设施保护。他在上述领域发表了200多篇出版物、研究报告和文章。自2001年以来，他一直担任《军事杂志》的主编。
老师联系:Paula deWitte
用于人类健康和性能的可穿戴声学和振动传感和机器学习
2月20日星期一
欧默·伊南博士
美国佐治亚理工学院电气与计算机工程学院教授
摘要
数字健康技术的最新进展使生物医学研究人员能够以针对患者的个性化方式重新构建健康优化和疾病治疗。本次演讲将重点介绍我们小组在与数字健康相关的三个领域的研究:(1)心源性振动传感和分析;(2)基于关节声发射和生物阻抗的肌肉骨骼传感;(3)非侵入性应激神经调节。我们小组广泛研究了心源性振动信号的时间和特征，如ballo心电图和seismocardiogram心电图，并将这些信号应用于无袖带血压测量、心力衰竭监测和人体表现。我们还利用微型接触式麦克风来测量关节(如膝盖)在运动时发出的声音，并研究了这些声音特征是如何因肌肉骨骼损伤和疾病(如关节炎)而改变的。最后，我们开发了基于非侵入性迷走神经刺激的创伤后应激障碍的非药物治疗范例，并与精神病学和放射学的合作者对这种方法进行了广泛的验证。我们设想这些技术都能以更低的成本改善病人的护理。
传记
Omer Inan是乔治亚理工学院库尔特生物医学工程系的副教授，他分别于2004年、2005年和2009年获得斯坦福大学电子工程学士学位、硕士学位和博士学位。从2009年到2013年，他担任Countryman Associates, Inc.(为百老汇剧院、主题公园和广播网络生产微型麦克风和高端音频产品的专业音频制造商)的总工程师。他的研究重点是人类健康和表现的非侵入性生理传感和调节，由国防高级研究计划局、国家科学基金会(NSF)、海军研究办公室(ONR)、美国国立卫生研究院、疾病控制和预防中心以及工业界资助。他在同行评议的国际期刊和会议上发表了300多篇技术文章，并拥有12项专利。他的研究获得了几个主要奖项，包括NSF职业奖，ONR青年研究员奖，以及电气和电子工程师协会传感器委员会早期职业奖。伊南还获得了美国电影艺术与科学学院(奥斯卡)颁发的奥斯卡技术成就奖。他是美国医学和生物工程学会的当选会员。在斯坦福大学读本科时，伊南是学校纪录保持者，三次入选NCAA全美铁饼比赛。
老师联系:狄奥多拉Chaspari
大规模调试分片DNS基础设施
2月15日星期三
周丽博士
美国加州大学欧文分校电子工程与计算机工程系助理教授
摘要
域名系统(DNS)是支持几乎所有互联网活动的基础设施。然而，服务故障和对DNS的破坏并不罕见，有些甚至导致大型数据中心关闭，尽管DNS从一开始就在弹性等目标下设计。我们认为根本原因是DNS基础设施变得过于分散，其协议变得更加复杂，因此需要新的研究工作来加强DNS基础设施。在这次演讲中，我将描述我们在这个方向上的努力。首先，我将讨论我们在域名撤销和条件解析设置下发现的两种新的DNS攻击及其含义。其次，我将讨论如何大规模测量DNS-over-Encryption的运行状态。最后，我将以对dns相关研究的展望来结束这次演讲。
传记
李周，加州大学尔湾分校电子工程与计算机工程系助理教授，领导数据驱动安全与隐私实验室。在加入加州大学欧文分校之前，他于2014年至2018年在RSA实验室担任首席研究科学家。他的研究兴趣包括DNS、图形安全分析、隐私增强技术和侧信道分析。他曾获得美国国家科学基金会教师早期职业发展奖、微软安全人工智能奖和互联网研究工作组应用网络研究奖。
老师联系:Yupeng张
结构感
2月6日星期一
里卡多·古铁雷斯-奥苏纳博士
教授，德州农工大学
摘要
本讲座将讨论英语读者如何倾向于根据给定文档的意思作出决定。它是基于大多数读者在解释过程中存在可识别模式。读者获取线索的最大比例不是来自单词的选择，而是来自单词在句子或段落结构中的位置。这次演讲是基于乔治·d·戈本的《结构感:从读者的角度写作》一书。它将描述并提供读者在句子和段落层次上的期望的例子。它还将挑战作家们经常收到的关于如何提高写作水平的建议。
传记
Ricardo Gutierrez-Osuna, 1992年获得马德里理工大学(西班牙)电子工程学士学位，1995年和1998年分别获得北卡罗莱纳州立大学计算机工程硕士和博士学位。他目前是德克萨斯A&M大学计算机科学与工程系的教授。他在语音处理、机器学习和人类感知模型方面有广泛的研究兴趣。
老师联系:里卡多Gutierrez-Osuna
约书亚·希梅尔写的《书写科学
1月30日星期一
里卡多·古铁雷斯-奥苏纳博士
教授，德州农工大学
摘要
本讲座介绍科学论文的基本结构。这次演讲是基于Joshua Schimel教授的书《写作科学，如何写出被引用的论文和获得资助的提案》。我们将描述四种核心故事结构(OCAR, ABDCE, LDR和LR)以及何时在讲故事中使用它们。然后，我们将重点关注如何将OCAR(开放，挑战，行动和解决)结构与其沙漏形状映射到研究文章的传统部分:介绍，方法，结果和讨论。我们还将讨论段落和句子的基本结构，以及如何有效地使用它们来提高流畅性。
传记
Ricardo Gutierrez-Osuna, 1992年获得马德里理工大学(西班牙)电子工程学士学位，1995年和1998年分别获得北卡罗莱纳州立大学计算机工程硕士和博士学位。他目前是德克萨斯A&M大学计算机科学与工程系的教授。他在语音处理、机器学习和人类感知模型方面有广泛的研究兴趣。
老师联系:里卡多Gutierrez-Osuna
兰迪·奥尔森写的《休斯顿，我们有一个故事
1月23日星期一
里卡多·古铁雷斯-奥苏纳博士
教授，德州农工大学
摘要
这个演讲描述了讲故事在科学传播中扮演的重要角色。这次演讲基于兰迪·奥尔森的书《休斯顿，我们有一个叙事:为什么科学需要故事》。讲座将介绍研究论文的基本结构以及这种结构与叙事的关系，并将其追溯到古典希腊和神话。本次演讲还将介绍三种简单的技巧，即Word、Sentence和Paragraph模板，它们可以用来为科学写作注入叙事成分。
传记
Ricardo Gutierrez-Osuna, 1992年获得马德里理工大学(西班牙)电子工程学士学位，1995年和1998年分别获得北卡罗莱纳州立大学计算机工程硕士和博士学位。他目前是德克萨斯A&M大学计算机科学与工程系的教授。他在语音处理、机器学习和人类感知模型方面有广泛的研究兴趣。
老师联系:里卡多Gutierrez-Osuna