설명
인공지능 분야의 저명한 연구자인 Yang Song의 개인 웹사이트입니다. Yang Song은 현재 Meta Superintelligence Labs(MSL)의 리서치 프린시펄로 재직하며, Chief Scientist인 Shengjia Zhao와 함께 연구실의 연구 방향을 설정하는 데 핵심적인 역할을 하고 있습니다. Meta 합류 이전에는 OpenAI에서 전략적 탐색 팀을 이끌며 AI 기술 발전에 기여했습니다.
Yang Song은 스탠포드 대학교에서 Stefano Ermon 교수의 지도로 컴퓨터 과학 박사 학위를 취득했습니다. 박사 과정 동안 그는 생성 AI 분야에 큰 영향을 미친 점수 기반 확산 모델(score-based diffusion models)의 기초 개념과 기술을 개발했습니다. 이 분야에서의 그의 연구는 블로그 게시물, Quanta Magazine 기사, 인터뷰 등 다양한 출판물에서 인정받았습니다. 또한 Google Brain, Uber ATG, Microsoft Research와 같은 업계 선두 기업에서 연구 인턴십을 마쳤습니다.
그의 학문적 여정은 칭화대학교에서 수학 및 물리학 학사 학위를 취득하면서 시작되었습니다. 그곳에서 그는 Jun Zhu, Raquel Urtasun, Richard Zemel 등 저명한 연구자들과 협력했습니다. 그의 연구 관심사는 새로운 생성 모델 개발에 있으며, 특히 확산 모델과 일관성 모델에 중점을 두고 있습니다. 이 모델들은 놀라운 속도와 효율성으로 이미지와 같은 고품질 데이터를 생성할 수 있습니다. 그의 연구는 이미지 생성, 의료 영상의 역문제 해결, 신경망의 순방향 계산 가속화 등에서 최첨단 결과를 달성했습니다.
Yang Song의 논문은 ICLR, ICML, NeurIPS와 같은 주요 AI 컨퍼런스에서의 그의 기여를 보여줍니다. 그의 연구는 연속 시간 일관성 모델의 단순화, 안정화 및 확장, 일관성 모델 훈련 기법 개선, 확률 미분 방정식을 통한 점수 기반 생성 모델링 개발 등의 영역을 탐구했습니다. 또한 의료 영상의 역문제 해결 및 병렬 비선형 방정식 풀이를 통한 순방향 계산 가속화에 이러한 모델을 적용하는 연구도 수행했습니다. 비제한적 적대적 예제에 대한 그의 연구와 적대적 공격에 대한 방어에 생성 모델을 사용하는 것은 그의 연구 기여의 폭을 더욱 강조합니다.
Yang Song 하이라이트
Meta Superintelligence Labs 리서치 프린시펄
OpenAI 전략 탐색 팀 전 리더
점수 기반 확산 모델의 선구적인 연구
연속 시간 일관성 모델의 기초 개념 개발
생성 AI 및 확률 모델링 전문성
생성 모델의 빠른 샘플링 기법 기여
이미지 생성 및 의료 영상 재구성 응용
신경망 계산 가속화 연구
최고 AI 컨퍼런스 다수의 영향력 있는 논문 저술
스탠포드 대학교 컴퓨터 과학 박사
Yang Song 시작하기
연구 접근: 생성 모델에 대한 논문 및 연구 자료 탐색.
모델 이해: 확산 모델 및 일관성 모델에 대해 학습.
코드 탐색: 연구 프로젝트 코드 저장소 확인.
연구자 연락: 협업 또는 문의를 위해 연락.
Yang Song의 사용 사례
- 생성 AI 연구
- 이미지 생성
- 의료 영상
- 모델 최적화
- AI 전략
