2022年CCF-腾讯犀牛鸟基金课题介绍—碳中和&智慧医疗

腾讯高校合作

发布于 2022-05-18 18:40:21

6720

发布于 2022-05-18 18:40:21

文章被收录于专栏：腾讯高校合作腾讯高校合作

CCF-腾讯犀牛鸟基金于2013年由腾讯公司和中国计算机学会（CCF）共同发起，今年是基金发起的第10年。10年来，犀牛鸟基金致力于为海内外青年学者搭建产学合作创新的平台，推动科技在产业创新和社会发展中持续发挥价值。

本年度犀牛鸟基金设立12个技术领域共35项研究命题，我们将分7期对各项命题进行详细介绍，本文重点聚焦碳中和&智慧医疗领域，欢迎海内外优秀青年学者关注并申报。

1.碳中和

1.1 面向数据中心算力需求和能源供给的智慧调度系统研究

数据中心输入能源，输出算力。传统数据中心输入能源（以市电为主）和设定输出算力都保持恒定，数据中心运维重点是保持基础设施在额定容量和设计效率内可靠运行。碳中和战略将改变数据中心的能源利用范式，对绿色能源和储能的使用比例逐步提升，融合能源的供给不再恒定，变为与时间相关的非线性参数，特别是东数西算本质上要求根据数据中心输出算力需求动态匹配输入能源，即数据中心运维目标转变为面向计算集群实现分布式源网荷储的动态调度。把数据中心想象为一台超级计算机，智维平台就是其操作系统，智维操作系统需要跨时空对数据中心集群进行统一接入、建模、监测、仿真和调度。本课题旨在建立起面向数据中心智能运维和能源调度的超域操作系统基础理论体系。

建议研究方向：

构建智维超域操作系统基础架构理论体系，包括硬件抽象层、数据中台层、应用界面层、算法平台层和应用商店层。重点面向碳中和及东数西算场景，在智维操作系统基础上研究数据中心微电网和储能综合调度策略；研究元宇宙发展对数据中心运营维护和数据架构的影响；推论智维操作系统在泛工业行业的应用前景，对数字新基建架构和数据中心行业标准的影响力，构建开放和共赢的生态环境。

2.智慧医疗

2.1 医疗和生物信息中的先进人工智能技术研究

基于机器学习的人工智能技术已经在诸如蛋白质结构预测、新药发现、疾病诊断、个性化治疗规划和预后预测等富有挑战性的前沿生物医学领域取得了显著成果。鉴于生物数据和医疗数据的特殊性，需要设计能够有效融合领域知识的人工智能模型算法。此外，医学和生物学数据正变得越来越多模态，这些多种不同模态的信息综合反映了生物过程之间复杂但丰富的潜在关系。本课题旨在研究和开发用于医疗和生物信息数据的分析、挖掘和理解的先进人工智能技术。

建议研究方向：

1) 免疫组库分析中的前沿人工智能技术，包括但不限于抗体-抗原亲和力预测，T/B细胞受体抗原特异性预测，疫苗有效性分析等；

2) 用于空间转录组学、单细胞基因组学和转录组学的前沿人工智能和多模态学习技术；

3) 用于精准医疗的多模态/多组学融合技术和数据，包括但不限于基于多模态融合的疾病诊断、治疗干预和病人预后预测。

2.2 医疗AI领域中的知识驱动智能决策

尽管人工智能已经在医疗领域证明了其有效性，但临床医生依然难以在实际工作中使用这些AI工具。其中很重要的一个原因是这些AI工具所做出的决策缺乏足够的可解释性。本课题旨在研究医疗AI领域中的知识驱动智能决策，帮助有效解决以上问题并同时提高AI算法的透明度。

建议研究方向：

1) 医疗知识图谱构建，该方向旨在构建一个有效并符合医学专业认识的知识图谱，该知识图谱需要对复杂的医学知识进行合理的刻画。无论是否基于三元组格式构建，该知识图谱需要兼容适配现有的AI算法，如KBQA知识问答算法；

2) 医疗信息抽取，该方向旨在研究医疗实体与医疗事件识别算法，该算法需要支持不同医学术语的识别（例如疾病或药物）；支持不同场景领域的识别（例如电子病历或医疗对话场景）；支持不同任务设定下的识别（例如低资源设定）；

3) 基于知识的疾病预测，该方向旨在利用多模态及时序患者数据，给出具有可解释性的诊断或治疗预测结果。同时该方向也强调对于可解释性的探索，包括全局/局部可解释性、后置/前置可解释性、可解释性的量化。

2.3 医学多模态技术研究

医学服务的数字化产生了大量的多模态数据，包括文本、图片、影像、时序数据等。这些数据蕴含着大量的知识，而目前没有被很好的挖掘利用。本课题旨在探索如何深入理解多模态数据，挖掘出可用知识，更好的服务于患者和医生的相关研究。