Trois enseignants-chercheurs du Collège des Sciences Naturelles ont été distingués par le programme de développement de carrière précoce des enseignants (CAREER Awards) de la National Science Foundation. Ce prix soutient les professeurs en début de carrière ayant le potentiel d’agir en tant que modèles académiques dans les domaines de la recherche et de l’éducation, tout en menant des avancées dans la mission de leur département ou de leur organisme.
Daehyeok Kim, professeur adjoint en informatique, se consacre à la conception de nouveaux systèmes matériels et logiciels visant à améliorer l’efficacité des centres de données cloud et edge. Grâce à son prix CAREER de la NSF, il travaillera sur le développement de NicOS, un nouveau système d’exploitation pour les cartes d’interface réseau programmables (NIC). Ces items deviennent de plus en plus essentiels dans les centres de données cloud, en particulier pour les infrastructures liées à l’IA, car ils sont cruciaux pour le transfert de données entre serveurs dans des applications gourmandes en données telles que l’entraînement de modèles d’IA et l’analyse de données. NicOS aspire à établir un modèle de “NIC en tant que service”, permettant de partager les capacités des NIC sur différentes charges de travail, ce qui améliore la sécurité, l’efficacité et la performance dans des environnements multi-locataires. Cette recherche pourrait transformer la conception des infrastructures IA et favoriser une adoption plus large du matériel programmable dans le cloud.
Edoardo Baldini, professeur adjoint de physique, utilise la lumière pour découvrir de nouvelles phases quantiques de la matière et développer des méthodes pour réaliser des fonctionnalités exotiques grâce à des matériaux avancés. Avec le soutien du prix CAREER de la NSF, Baldini se penchera sur des matériaux extrêmement fins appelés aimants de van der Waals, élaborant des stratégies pour manipuler les propriétés et le transport d’énergie de leurs excitations électroniques. Cette recherche exploite l’interaction synergique entre les comportements magnétiques et optiques de ces matériaux atomiquement fins pour permettre des applications innovantes dans les dispositifs quantiques, la nanophotonique économe en énergie et le traitement de l’information.
William Gilpin, professeur adjoint de physique, étudie la dynamique des fluides, l’apprentissage statistique et la biologie des systèmes. Avec le prix CAREER de la NSF, Gilpin vise à relier les approches modernes d’apprentissage machine à la physique classique des systèmes non linéaires. Un des avantages clés des modèles d’apprentissage machine modernes réside dans leur capacité à identifier des motifs cachés dans de vastes ensembles de données. Un système fortement non linéaire, tel qu’un flux fluide turbulent, est difficile à prédire à l’aide d’une simulation informatique traditionnelle. Cela est dû au fait que de très petites perturbations, comme le battement des ailes d’un papillon, peuvent entraîner de grands effets au fil du temps. Cependant, les systèmes complexes présentent souvent des signatures statistiques, telles que des événements se répétant fréquemment, qui peuvent être utilisées pour décrire ces systèmes. Gilpin développera des algorithmes de machine learning qui rechercheront ces descriptions statistiques et appliqueront ces outils à divers ensembles de données chronologiques issus de la neuroscience, du comportement des organismes et de l’expression génique.
Notre Opinion Tech
En tant qu’observateur de l’évolution technologique, je constate que ces distinctions soulignent l’importance croissante d’unir les recherches fondamentales à des applications pratiques, notamment dans des domaines tels que l’intelligence artificielle et la physique des nanomatériaux. Le développement de systèmes comme NicOS et les investigations en matière de phases quantiques annoncent des avancées prometteuses non seulement pour l’innovation technique, mais également pour la formation et le mentorat de nouvelles générations de chercheurs. Cela pourrait potentiellement redéfinir des paradigmes en matière d’efficacité et de durabilité dans des secteurs cruciaux.