詹姆斯埃文斯知识实验中心

来自集智百科
跳转到: 导航搜索

目录

简介

产生背景

数字信息的爆炸为研究影响人类理解,调查和确定性的动态提供了前所未有的机会。我们的研究人员正在开发新的大数据,机器学习和众包方法和技术: 从专家,人员,文章,预印本,软件,患者记录,工件,视频和传感器中有效地收集和分享知识和判断

  • 了解如何制作,使用,认证和遗忘知识
  • 以强有力的方式表达,重组和生成知识
  • 改善知识生成,代表,管理和创新实践

实验室介绍

知识实验室旨在利用洞察知识创造的动态和大规模计算的进步,通过识别全球知识格局中的差距,具有巨大潜在突破的领域,以及通过生成的自动化发现,重新构想未来的科学过程。新颖的,潜在的高影响力假设。

通过开发和融合丰富的计算工具和技术以及新颖的科学方法,知识实验室正在深入洞察知识被构思,验证,分享和加强的基本过程,并利用这些见解加速科学进步。构思和实施革命性计算方法,以超越个体研究人员和传统团队的能力进行阅读,推理和假设设计。

目前正在部署知识实验室的研究,以帮助国家实验室和大学更好地理解和利用其知识资产和产出; 帮助资助机构更好地了解和预测哪些研究领域最有希望; 揭示和消除妨碍科学审查过程和知识生产重组的偏见; 了解作为创新引擎的城市背后的社会和经济动态; 最近,知识实验室已经动员了这些流程,通过大数据和智能机器彻底改变癌症研究。

知识实验室通过在芝加哥大学计算研究所的核心运营一个研究中心,将这些研究议程结合在一起。知识实验室由一个由10名博士后学者,研究程序员和开发人员组成的集中核心研究小组运作。此外,知识实验室领导着40多个领域领先的科学家,数学家,以及来自世界顶级机构的工程师和学者的分散网络,包括:哈佛大学,斯坦福大学,圣达菲研究所,普林斯顿大学,康奈尔大学,加州大学洛杉矶分校和阿贡国家实验室。实验室和相关网络制作的作品定期发表在高影响力的期刊上,包括“Science”,“Nature”和“PNAS”。 知识实验室与认真承担和解决多模式数据集成,分析和预测中的难题,以及扩展和利用对社会,科学和创新过程的见解的公司合作。这些合作采用工作组结构,企业赞助商积极参与与赞助商和实验室相关的资助研究。

  • 知识实验室拥有领先的专业知识:
  • 数学和统计建模和模拟(例如预测分析)
  • 复杂的动态网络分析(例如社交网络分析)
  • 自动假设生成(例如自动删除)
  • 多模数据集成和分析(例如智能)
  • 自然语言处理(例如文本挖掘)
  • 机器学习(例如从数据中学习)

人员构成

领导人

詹姆斯A.埃文斯

职称:知识实验室主任;芝加哥大学社会学教授;计算社会科学硕士课程学院院长;圣达菲研究所外部教授;计算社会科学计划学院院长;芝加哥大学科学概念和历史研究委员会成员。也是Santa Fe Institute的外部教授。

研究方向:研究侧重于思维和认知的集体系统,从注意力和直觉的分布,思想的起源和共享的推理习惯到协议(和争议)的过程,确定性(和怀疑)的积累,以及质地的新颖性,模糊,人类理解的拓扑。我对创新特别感兴趣,如何出现新的想法和技术以及社会和技术机构(例如,互联网,市场,合作)在集体认知和发现中的作用。我的大部分工作都集中在现代科学和技术领域,但我也对其他知识领域感兴趣——新闻,法律,宗教,八卦,预感和历史思维和认知模式。我支持通过众包,从文本和图像中提取信息以及使用分布式传感器(例如RFID标签,手机)来创建人类理解和行动的新型天文台。我使用机器学习,生成建模,社交和语义网络表示来探索知识过程,扩展解释和现场方法,并创建当前发现制度的替代方案。我的研究由美国国家科学基金会,国立卫生研究院,DARPA,Facebook,IBM,斯隆基金会,Jump!交易和其他来源,并已发表在Science,PNAS,自然人类行为,自然生物技术,美国社会学杂志,美国社会学评论,社会科学研究,行政科学季刊,PLoS计算生物学和其他期刊。

经历:在芝加哥,我赞助了计算社会科学研讨会。我教授有关增强智能,计算内容分析,现代科学史,科学研究以及互联网和社会的课程。在芝加哥之前,我从斯坦福大学获得社会学博士学位,在哈佛商学院的谈判,组织和市场小组担任研究员,开办了一所专注于基于项目的艺术教育的私立高中,并完成了杨百翰大学的人类学和经济学。在这些活动中,我和Jeannie Evans结婚,现在我们有四个(神话般的)孩子,Noah,Ruth,Anna和Kate。

雅各布·福斯特

职称:加州大学洛杉矶分校社会学助理教授

简介:我最初是一名统计物理学家。像许多物理学家一样,我被复杂系统的研究所吸引,因为它授权我(在时尚之后)在各种系统上工作,这些系统物理学家不会“假设”到复杂的网络,进化动力学等。作为一名毕业生学生(物理学),我参加了一个关于古典社会理论的壮观研讨会(马克思,韦伯,涂尔干,帕森斯,默顿,伊莱亚斯等)。我被社会学传统丰富的理论和经验资源立即转化。市场,礼仪,国家形成,文化和科学生产系统 - 现在这里是复杂的系统!社会学看起来也像是给我一个知识空间,将我的定量训练与思想史,文化和生物进化的长期激情编织在一起,和奖学金的解释模式。在芝加哥大学社会学系博士后,我于2013年加入加州大学洛杉矶分校社会学系担任助理教授。 我对思想的演变和人口动态感兴趣(广泛解释)。新想法是如何诞生的?为什么有些传播?思想在组织社会结构中扮演什么角色?社会结构如何影响思想的起源,传播和最终消亡?目前,我研究思想世界的一个特定部分:构成科学知识的信念,实践和理论。通过将丰富的发现和影响计算模型与从文章和专利中提取的数据相结合,我推断出为科学知识提供特定形状和轨迹的偏好和社会过程。从广义上讲,我的目标是产生关于知识创造过程的新知识; 识别和理解启发式,策略,和指导科学家理解自然世界的机构。因此,我希望能够对科学社会学中的经典(而不是那么经典)问题进行量化研究:是什么让一些科学家异常成功?传统与创新之间的紧张关系如何在科学家和科学学科的生活中发挥作用?科学如何在可知的边缘工作?作为特殊种类的知识者,科学家如何从认知基质中建立起来,与地球上的每一个人共享?我的方法是通过一系列传统,从科学研究和当代社会理论到复杂系统和文化进化。是什么让一些科学家异常成功?传统与创新之间的紧张关系如何在科学家和科学学科的生活中发挥作用?科学如何在可知的边缘工作?作为特殊种类的知识者,科学家如何从认知基质中建立起来,与地球上的每一个人共享?我的方法是通过一系列传统,从科学研究和当代社会理论到复杂系统和文化进化。是什么让一些科学家异常成功?传统与创新之间的紧张关系如何在科学家和科学学科的生活中发挥作用?科学如何在可知的边缘工作?作为特殊种类的知识者,科学家如何从认知基质中建立起来,与地球上的每一个人共享?我的方法是通过一系列传统,从科学研究和当代社会理论到复杂系统和文化进化。从与地球上其他人共享的认知基质构建而成?我的方法是通过一系列传统,从科学研究和当代社会理论到复杂系统和文化进化。从与地球上其他人共享的认知基质构建而成?我的方法是通过一系列传统,从科学研究和当代社会理论到复杂系统和文化进化。

出版物

  • Evans, J.A., & Foster, J.G. 2011. Metaknowledge. Science 332, 721.
  • Foster, J.G., Foster, D.V., Grassberger, P., & Paczuski, M. 2010. Edge direction and the structure of networks. Proc. Natl. Acad. Sci. USA 107, 10815.
  • Foster, J.G., Foster, D.V., Grassberger, P., & Paczuski, M. 2007. Link and subgraph likelihoods in random undirected networks with fixed and partially
  • fixed degree sequences. Phys. Rev. E 76, 046122.

路易斯阿马拉尔

职称:化学与生物工程教授,医学教授; HHMI西北大学早期职业科学家

背景:Amaral教授是葡萄牙人,负责指导研究,深入了解复杂的社会和生物系统的出现,演变和稳定性。他的研究旨在解决人类社会和世界生态系统面临的一些最紧迫的挑战,包括减轻医疗环境中的错误,促进创新和创造力的条件特征,或可持续性所带来的增长限制。 最近,Amaral提出开发用于复杂生物网络表示的制图方法。这些方法将使研究人员能够完成类似于旅行者现在可以轻松完成的事情,例如谷歌地图,即以研究人员感兴趣的规模收集给定系统的重要信息。这些工具有望使生物医学研究人员能够设计或重新设计用于治疗目的的生物系统。 Amaral教授在领先的科学期刊上发表了100多篇科学同行评审论文。这些论文被引用超过7000次; 十个人每次累计超过200次引用。他的研究已经在美国和国外的众多媒体中得到了展示。Amaral教授于2003年获得美国国立卫生研究院颁发的职业奖,被WM Keck基金会评为2006年度医学研究杰出青年学者,并被霍华德休斯医学研究所选为早期职业科学家。

大卫布莱

职称:哥伦比亚大学统计与计算机科学教授

背景:我是哥伦比亚大学统计与计算机科学教授。我也是数据科学与工程研究所的成员。我从事机器学习和贝叶斯统计学领域的工作。 大卫的博士 顾问是加州大学伯克利分校计算机科学系的Michael Jordan。David是机器学习部门CMU的John Lafferty的博士后研究员。

研究方向:

  • 概率图形模型和近似后验推断
  • 主题模型,信息检索和文本处理
  • 贝叶斯非参数统计

伊恩福斯特

职称:计算所所长;阿贡国家实验室数学与计算机科学(MCS)高级科学家;执行咨询委员会成员和基因组学和系统生物学研究所(IGSB)高级研究员;芝加哥大学计算机科学教授;芝加哥大学物理科学教授;芝加哥大学阿贡国家实验室杰出研究员

背景:Ian Foster是芝加哥大学和阿贡国家实验室联合研究所计算研究所所长。他还是Argonne资深科学家和杰出研究员以及Arthur Holly Compton杰出服务计算机科学教授。 Ian在新西兰坎特伯雷大学获得了理学士(荣誉)学位,在英国帝国理工学院获得了计算机科学博士学位。他的研究涉及分布式,并行和数据密集型计算技术,以及这些技术在气候变化和生物医学等领域的科学问题的创新应用。在他的领导下开发的方法和软件为许多大型国家和国际网络基础设施奠定了基础。 福斯特教授是美国科学促进会,计算机协会和英国计算机协会的会员。他的奖项包括全球信息基础设施(GII)下一代奖,英国计算机协会的Lovelace奖章,R&D杂志的年度创新奖,以及新西兰坎特伯雷大学的荣誉博士学位。他是Univa UD,Inc。的联合创始人,该公司是为提供网格和云计算解决方案而成立的公司。

John P. Ioannidis

职称:CF Rehnborg疾病预防,医学教授; 健康研究与政策教授; 斯坦福大学统计学教授

背景:我曾在循证医学,临床研究,临床和分子流行病学,临床研究方法,实证研究方法,统计学和基因组学领域工作过。我对大规模证据(特别是随机试验和荟萃分析)以及对生物医学研究中各种偏见的评估和控制非常感兴趣。我有兴趣开发和应用新的研究方法,以及跨学科增强现有的生物医学研究设计和分析研究方法。我引用的一些最有影响力的论文是解决遗传关联研究的复制有效性问题,生物医学研究中的偏见,研究综合方法,荟萃分析的扩展,全基因组关联研究和关联的不可知评估,随机试验和观察性研究的有效性和有效性。我还设计,指导和参与了有影响力的随机试验(特别是主要的试验,这些试验果断地改变了HIV感染的管理和结果,还进行了肾脏病学和社区抗生素使用的试验),以及大型国际财团帮助改变了基因组学,分子学和临床流行病学等多个领域的研究效率。我喜欢与来自不同学科的各种同事一起工作,并有机会向高级和初级调查员,特别是各级学生学习。主要的试验,果断地改变了艾滋病毒感染的管理和结果,以及肾脏病学和社区抗生素使用的试验),以及帮助改变基因组,分子和临床等不同领域研究效率的大型国际联合体流行病学研究。我喜欢与来自不同学科的各种同事一起工作,并有机会向高级和初级调查员,特别是各级学生学习。主要的试验,果断地改变了艾滋病毒感染的管理和结果,以及肾脏病学和社区抗生素使用的试验),以及帮助改变基因组,分子和临床等不同领域研究效率的大型国际联合体流行病学研究。我喜欢与来自不同学科的各种同事一起工作,并有机会向高级和初级调查员,特别是各级学生学习。

研究方向:我对大规模证据(特别是随机试验和荟萃分析)以及对生物医学研究中各种偏见的评估和控制非常感兴趣。我有兴趣开发和应用新的研究方法,以及跨学科增强现有的生物医学研究设计和分析研究方法。

大卫克拉考尔

职称:威斯康星发现研究所所长;复杂性和集体计算中心联合主任;威斯康星大学麦迪逊分校遗传学教授

背景:伦敦大学毕业于大学,获得计算机科学和数学硕士学位,David Krakauer获得了他的D.Phil。他于1995年在牛津大学获得进化理论。他在牛津大学担任博士后研究员,两年后被任命为数学生物学的Wellcome研究员和彭布罗克学院的讲师。1999年,他接受了普林斯顿大学高级研究所的任命,并担任进化的客座教授。三年后,他以教授身份进入圣达菲研究所,并于2009年成为教授.Krakauer一直是宾夕法尼亚大学基因组学前沿研究所的访问学者和圣人研究中心的Sage研究员。加州大学圣塔芭芭拉分校的思想。 Krakauer的研究重点是生物学和文化中信息处理机制的进化历史。这包括遗传,神经,语言和文化机制。该研究涵盖多个层次的组织,寻求遗传学,细胞生物学,微生物学以及组织行为和社会中的类似模式和原则。在细胞水平上,Krakauer一直对分子过程感兴趣,分子过程依赖于易失性,易出错,异步的机制,可用作决策和模式的基础。他还研究了如何利用更高水平的信号交互(包括微生物和有机体)来协调复杂的生命周期和社会系统,以及在什么条件下我们观察到原始语法的出现。

研究方向:机器科学

Andrey Rzhetsky

职称:医学系教授;人类遗传学系教授;计算所高级研究员;芝加哥大学基因组学与系统生物学研究所高级研究员

研究方向:我的研究主要集中在基础分子网络的变化和扰动背景下复杂人类表型的计算分析。这些研究的输入数据由大规模自由文本挖掘,临床记录计算和高通量系统生物学实验提供。

我的主要兴趣在于获得(渐近)理解如何在相互作用分子的基因和网络水平上实施表型,例如人类健康多样性和疾病。

为了尽可能多地收集有关已知分子相互作用的信息,我的小组开展了大规模的文本挖掘工作,旨在分析大量的生物医学出版物。目前,我们可以自动从文本中提取生物医学实体之间关于500种不同风格的关系(例如绑定,激活,合并和传输)。

为了加强我们的文本挖掘轴,我们正在积极设计相关模型和计算应用程序。此外,我们与实验有才能的同事合作,努力使用文本挖掘网络来理解,解释和改进高通量或低吞吐量的实验数据。我们也在计算上产生生物假设,我们慷慨的合作者试图通过实验进行测试。

我最初的热情是开发和应用与系统发育和进化生物学相关的计算方法。

研究成员

迈克尔阿尔法罗

职称:加州大学洛杉矶分校生态与进化生物学系和社会与遗传学研究所副教授

研究目标:了解控制有机多样化演化动力的因素。为什么有些群体形态多样?是否有一般法律或主题可用于解释跨越谱系的生理特征多样性的不均匀分布?形态多样性是否始终表明机械,功能或生态多样性?为了解决这些问题,Alfaro主要研究海洋鱼类。他的研究方法是跨学科和定量的,跨越了进化形态学,分子系统发育学和理论进化学之间的传统界限。他使用形态学和功能形态学技术识别和量化有机多样性; 使用系统发育统计方法构建进化树并测试进化假设; 并使用特质进化模型来探索形态 - 功能动力学。

路易斯阿马拉尔

职称:化学与生物工程教授,医学教授; HHMI西北大学早期职业科学家

背景及研究领域:

Amaral教授是葡萄牙人,负责指导研究,深入了解复杂的社会和生物系统的出现,演变和稳定性。他的研究旨在解决人类社会和世界生态系统面临的一些最紧迫的挑战,包括减轻医疗环境中的错误,促进创新和创造力的条件特征,或可持续性所带来的增长限制。

最近,Amaral提出开发用于复杂生物网络表示的制图方法。这些方法将使研究人员能够完成类似于旅行者现在可以轻松完成的事情,例如谷歌地图,即以研究人员感兴趣的规模收集给定系统的重要信息。这些工具有望使生物医学研究人员能够设计或重新设计用于治疗目的的生物系统。

Amaral教授在领先的科学期刊上发表了100多篇科学同行评审论文。这些论文被引用超过7000次; 十个人每次累计超过200次引用。他的研究已经在美国和国外的众多媒体中得到了展示。Amaral教授于2003年获得美国国立卫生研究院颁发的职业奖,被WM Keck基金会评为2006年度医学研究杰出青年学者,并被霍华德休斯医学研究所选为早期职业科学家。

Carl Bergstrom

职称:华盛顿大学生物学教授

背景:Carl是华盛顿大学生物系教授,圣菲研究所外部学院成员。

他于1993年在哈佛大学获得学士学位,在那里他与Naomi Pierce和David Haig一起工作。卡尔做了博士学位。在马克费尔德曼的斯坦福大学生物科学专业工作。流程。离开斯坦福后,他在埃默里大学与布鲁斯·莱文一起做了两年的博士后工作。

大卫布莱

职称:哥伦比亚大学统计与计算机科学教授

背景:我是哥伦比亚大学统计与计算机科学教授。我也是数据科学与工程研究所的成员。

    我从事机器学习和贝叶斯统计学领域的工作。
    大卫的博士 顾问是加州大学伯克利分校计算机科学系的Michael Jordan。David是机器学习部门CMU的John Lafferty的博士后研究员。

研究方向:

  • 概率图形模型和近似后验推断
  • 主题模型,信息检索和文本处理
  • 贝叶斯非参数统计

爱德华博伊登

职称:副教授,麻省理工学院媒体实验室和麦戈文脑研究所在麻省理工学院,麻省理工学院

背景及研究方向:Boyden教授领导麻省理工学院媒体实验室的合成神经生物学研究小组,该小组开发用于绘制,控制,观察和构建大脑动态电路的工具,并使用这些神经技术来了解认知和情绪是如何从大脑网络操作中产生的,以及能够系统地修复顽固性脑部疾病,如癫痫,帕金森病和创伤后应激障碍。他的研究小组发明了一套“光遗传学”工具,现在全世界成千上万的研究小组正在使用这些工具来激活和沉默神经元。

荣誉:Boyden于2006年被“技术评论”评为“35岁以下35位创新者”,2008年被Discover杂志评为“40岁以下20位大脑”。他获得了国家卫生研究院的Gabbay奖( NIH)导演的先驱奖和变革研究奖,神经科学创新学会,神经科学创新奖,NSF CAREER奖,Paul Allen杰出研究员奖和纽约干细胞Robertson研究员奖。2010年,他的作品被“自然方法”杂志评为“年度最佳“方法”。

斯蒂芬五世大卫

职称:俄勒冈健康与科学大学俄勒冈州听力研究中心助理教授

研究方向:神经科学是一个新兴但快速发展的领域,从许多其他领域吸取思想和方法,包括生物学,心理学,物理学,数学和哲学。每位神经科学家都会在他们的作品中带来独特的视角,以反映这种多样性。我们正在研究学术指导,即博士和博士后水平的实践培训如何影响个人的工作,并允许合成新的实验方法。

詹姆斯A.埃文斯

前面已介绍不再介绍

杰西卡弗拉克

职称:威斯康星大学麦迪逊分校复杂性与集体计算中心联合主任

背景及研究方向: 杰西卡的研究侧重于不确定性降低,粗粒度和集体计算本质及其在生物时空起源中的作用 - 即具有多个功能上重要的时间和空间尺度的层次结构的演变和发展。

杰西卡和她的同事研究了各种各样的集体,从形成神经组织的细胞群,到形成动物社会的猕猴群,到形成虚拟社会的在线游戏者群体。

杰西卡于1996年以优异成绩获得康奈尔大学的学士学位,研究人类学,进化理论和生物学。她于2004年获得埃默里大学的博士学位,研究动物行为,认知科学和进化理论。在接下来的八年里,她在圣菲学院任职,先是博士后研究员,然后是研究教授,最后是教授。她于2011年搬到威斯康星大学麦迪逊分校。杰西卡的研究具有经验和理论成分,并且处于演化理论,模式形成,行为,认知科学,计算机科学,信息理论和统计力学的界面。虽然她现在的大部分工作都具有计算性,但她花了数千小时收集大型行为数据集,包括来自动物协会的高度解决的时间序列,她进行了第一次关于社会系统的行为淘汰研究。在那项研究中,她设计了一个实验来禁用关键的冲突管理功能 - 警务 - 量化其在动物社会中对社会系统稳健性的作用。

伊恩福斯特

职称:计算所所长; 阿贡国家实验室数学与计算机科学(MCS)高级科学家; 执行咨询委员会成员和基因组学和系统生物学研究所(IGSB)高级研究员; 芝加哥大学计算机科学教授; 芝加哥大学物理科学教授; 芝加哥大学阿贡国家实验室杰出研究员

背景:芝加哥大学和阿贡国家实验室联合研究所计算研究所所长。他还是Argonne资深科学家和杰出研究员以及Arthur Holly Compton杰出服务计算机科学教授。

Ian在新西兰坎特伯雷大学获得了理学士(荣誉)学位,在英国帝国理工学院获得了计算机科学博士学位。他的研究涉及分布式,并行和数据密集型计算技术,以及这些技术在气候变化和生物医学等领域的科学问题的创新应用。在他的领导下开发的方法和软件为许多大型国家和国际网络基础设施奠定了基础。

福斯特教授是美国科学促进会,计算机协会和英国计算机协会的会员。他的奖项包括全球信息基础设施(GII)下一代奖,英国计算机协会的Lovelace奖章,R&D杂志的年度创新奖,以及新西兰坎特伯雷大学的荣誉博士学位。他是Univa UD,Inc。的联合创始人,该公司是为提供网格和云计算解决方案而成立的公司。

雅各布.福斯特

前面已介绍,这里不再介绍

CésarA.Hidalgo

职称:麻省理工学院媒体实验室媒体艺术与科学助理教授

背景及研究方向:麻省理工学院媒体实验室的Macro Connections小组的负责人,同时也是麻省理工学院媒体艺术与科学的ABC职业发展教授。Hidalgo的工作重点是了解自然,社会和经济系统中信息的演变,以及旨在提供大量数据的大数据可视化引擎的开发。Hidalgo的学术出版物被引用超过4500次,他的可视化引擎已经获得超过500万次访问。他是Why Information Grows的作者(Penguin UK,Basic Books US,即将于2015年6月2日发布)和The Atlas of Economic Complexity(麻省理工学院出版社)的合作者。

John P.loannidis

职称:CF Rehnborg疾病预防,医学教授; 健康研究与政策教授; 斯坦福大学统计学教授

背景及研究方向:我对大规模证据(特别是随机试验和荟萃分析)以及对生物医学研究中各种偏见的评估和控制非常感兴趣。我有兴趣开发和应用新的研究方法,以及跨学科增强现有的生物医学研究设计和分析研究方法。

我曾在循证医学,临床研究,临床和分子流行病学,临床研究方法,实证研究方法,统计学和基因组学领域工作过。我对大规模证据(特别是随机试验和荟萃分析)以及对生物医学研究中各种偏见的评估和控制非常感兴趣。

我有兴趣开发和应用新的研究方法,以及跨学科增强现有的生物医学研究设计和分析研究方法。我引用的一些最有影响力的论文是解决遗传关联研究的复制有效性问题,生物医学研究中的偏见,研究综合方法,荟萃分析的扩展,全基因组关联研究和关联的不可知评估,随机试验和观察性研究的有效性和有效性。

我还设计,指导和参与了有影响力的随机试验(特别是主要的试验,这些试验果断地改变了HIV感染的管理和结果,还进行了肾脏病学和社区抗生素使用的试验),以及大型国际财团帮助改变了基因组学,分子学和临床流行病学等多个领域的研究效率。我喜欢与来自不同学科的各种同事一起工作,并有机会向高级和初级调查员,特别是各级学生学习。主要的试验,果断地改变了艾滋病毒感染的管理和结果,以及肾脏病学和社区抗生素使用的试验),以及帮助改变基因组,分子和临床等不同领域研究效率的大型国际联合体流行病学研究。

我喜欢与来自不同学科的各种同事一起工作,并有机会向高级和初级调查员,特别是各级学生学习。主要的试验,果断地改变了艾滋病毒感染的管理和结果,以及肾脏病学和社区抗生素使用的试验),以及帮助改变基因组,分子和临床等不同领域研究效率的大型国际联合体流行病学研究。我喜欢与来自不同学科的各种同事一起工作,并有机会向高级和初级调查员,特别是各级学生学习。

Konrad Kording

职称:西北大学物理医学与康复/生理学副教授

背景及研究方向:贝叶斯行为组的研究表明,运动和运动学习可以用统计学原理来理解。我们的传感器(眼睛,耳朵,皮肤等)并不完美,但噪音很大。而且,我们的肌肉很吵,如果我们尝试一遍又一遍地做同样的动作,每次都会有所不同。这意味着如果我们进行一次运动,比如挥杆高尔夫球杆,我们就会对潜在的运动结果产生不确定性。我们小组研究人们如何在存在这种不确定性的情况下做出运动决策。

我们的研究主要有四个方面:

  • 我们将大数据方法推进到神经科学
  • 我们通过实验研究人们如何移动以及他们的运动如何受不确定性的影响。
  • 我们使用贝叶斯统计建立计算模型,以计算人们如何最佳地移动或学习如何最佳地移动。
  • 我们构建贝叶斯算法来解决我们感兴趣的问题。例如,我们分析神经元在神经系统中的连接方式。
  • 我们目前研究的主旨是通过了解运动学习来实现更好的康复程序。
  • 我们的实验室是西北大学,系生理学和PM&R的一部分。它与西北应用数学系有关。我们的实验室是芝加哥康复研究所的一部分。

大卫克拉考尔

前面已经介绍过,在这里不再介绍

Hannah Landecker

职称:加州大学洛杉矶分校社会学副教授

背景:我的工作发生在生命和社会科学的交叉点。总的来说,从1900年到现在,生物技术和生命科学的社会和历史研究是我的专业领域。我目前正在写一本名为“美国新陈代谢”的书,该书着眼于表观遗传学,微生物学,细胞信号传导和激素生物学的兴起对代谢科学的转变。一个相关项目涉及1960年后代谢激素的历史以及细胞“信号”作为生命科学思想和实践的核心类别的兴起。

研究方向:我有兴趣将我的人种学和文本分析技能大规模地用于表观遗传学和新陈代谢的“文献”,询问关于表观遗传学后遗传的语言,推理,时间结构和逻辑的问题; 询问社会在这些逻辑中被重新塑造为“信号”的方式; 信号的知识动态(与基因相对或相邻); 以及在二十世纪长期存在的遗传和新陈代谢的知识领域是否正在以新的方式插入今天。

克里斯托弗李

职称:计算机科学系教授; 加州大学洛杉矶分校化学与生物化学系教授

背景:李教授自1998年以来一直是化学和生物化学系的一名教员。他的培训提供了实验细胞生物学,生物物理学和算法开发的不同寻常的组合,他在加州大学洛杉矶分校应用于基因组进化的生物信息学分析。他领导了建立生物信息学博士学位的工作。加州大学洛杉矶分校的课程 他曾在NIH国家生物技术信息中心的科学顾问委员会任职,并担任Biology Direct的编辑委员会成员 。他目前的研究重点是选择性剪接及其在基因组进化中的作用。

研究方向:生物信息学

选择性剪接和基因组进化:全基因组分析选择性剪接的类型和功能,以及它在哺乳动物基因组进化中的明显作用。选择性剪接似乎大大加速了外显子创造等主要进化事件,现在是基因组进化研究的一个令人兴奋的新领域

蛋白质进化途径。利用临床HIV序列的大量数据集,我们开发了新方法来解码HIV进化抗药性的进化途径。我们刚刚表明,我们的方法可以测量描述HIV蛋白如何进化的详细“健身状况”,作为显示每个可能的进化途径的实际进化速率的动力学网络。 生物信息学和基因组学的图形数据库。我们已经开发了一个通用框架,用于处理基因组数据作为抽象图数据库,用于基因问题,如多基因组比对查询和蛋白质相互作用网络分析

Hod Lipson

职称:康奈尔大学机械与航空航天工程系副教授

背景:Hod Lipson是纽约伊萨卡康奈尔大学的工程学教授,也是最近出版的“制作:3D打印的新世界”一书的合着者。他在自我意识和自我复制机器人,食品印刷和生物印刷方面的工作得到了广泛的媒体报道,包括“纽约时报”,“华尔街日报”,“新闻周刊”,“时代”,美国有线电视新闻网和国家公共广播电台。Lipson与人合着了200多篇技术论文,并经常在TED和美国国家科学院等知名场所发表演讲。Hod指导创意机器实验室,该实验室开创了制造机器的新方法,以及具有创造性的机器。

研究方向:我相对广泛的研究项目集中在我认为是工程的两大“挑战”:(a)我们可以设计可以设计其他机器的机器吗?(b)我们可以制造可以制造其他机器的机器吗?这两个问题都是理解工程过程本身的关键所在,这些方面的进展可以为我们未来设计,制造和维护日益复杂的系统提供巨大的杠杆作用。生物生命以一种使人类工程师最好的团队相形见绌的方式应对这些挑战; 因此,我主要使用生物学启发的方法,因为它们为工程学和生物学的新工程洞察带来了新的想法。

Hoyt Long

职称:日本文学,东亚语言和文明副教授; 芝加哥大学文本实验室联合主任

研究方向:Hoyt对Metaknowledge感兴趣,他们对社交网络分析,语料库分析和其他计算方法如何促进对文化生产的社会动态的大规模比较研究感兴趣。具体而言,他对这些方法可以告诉我们的艺术风格和形式的传播,正式和非正式社会关系在塑造这些过程中的作用以及跨越语言和政治边界的系统级动态的出现感兴趣。在这些方面,他指导了一个名为“文本实验室”的理查德·让所谓的“文本实验室”的协作计划,该计划将这些方法应用于20世纪初的全球现代主义研究。

加里卢平

职称:威斯康星大学麦迪逊分校心理学助理教授

背景及研究方向:我作为元知识网络成员的主要兴趣是双重的。

首先,我有兴趣理解为什么某些类型的解释在认识论上对某些人而言是令人满意的,而不是其他人。例如,为什么复杂结构的解释如压力出现和自我组织满足某些个体,而其他人则被解释为具有明确识别的部分和原因的解释?这个问题对于了解某些科学思想为何在科学家和公众中获得吸引力非常重要,但也因为科学的目的不仅仅是预测而是“理解”,我们需要一个更好的各种类型的认识论吸引力模型。不同个人的理论。

第二,我有兴趣了解不同的人口动态如何影响思想的传播(“文化变体”)。在以前的工作中,我们认为人类语言的