Kai Wang

【一、個人Portfolio】

·       學校名稱：Georgia Institute of Technology (喬治亞理工學院 / Georgia Tech)

·       研究領域：最佳化演算法(Optimization)、機器學習(ML)

·       職稱：Assistant Professor (助理教授)

·       電子郵件：kwang692@gatech.edu

·       個人網站：https://guaguakai.com/

·       與臺大教授合作經驗：

o  林軒田教授：損失函數設計 (Loss function design)、梯度下降 (Gradient descent)。

o  孫紹華教授：強化學習 (Reinforcement learning)。

o  陳和麟教授：賽局理論 (Game theory)。

o  簡翌教授：AI 安全 (AI safety)。

【二、研究實習計畫】

·       研究內容簡介：專注於最佳化與機器學習的結合及其社會應用，包含：

1.     演算法整合：最佳化演算法與機器學習演算法的深度結合。

2.     生成式模型應用：生成式模型在最佳化、強化學習及模型架構設計上的應用。

3.     社會影響力AI：人工智慧於醫療衛生、環境保護、社會科學及賽局理論之研究。

·       期待學生教育程度： 大三（含）以上大學生、碩士生、博士生。

·       期待學生技能與特質：

o  具備最佳化 (Optimization)、機器學習 及 演算法 的專業知識。

o  具備強化學習(RL)與生成式模型（如Diffusion models、Transformer架構）的實作經驗。

·       其他要求：具備流利的英文能力(English proficiency)。

·       實習行政資訊：

o  可接受期長：暑期

o  接受名額：2名。

o  簽證文件辦理：由PI透過系所申請，辦理時長較長（3個月以上）。

o  相關費用與福利：

§  PI負擔簽證服務費用(DS-2019)。

§  相關待遇：若經費許可，可補助部分生活費。

§  住宿由學生自行尋覓（無校內住宿或補助）。

o  學分提供： 否。

‍

I. Personal Portfolio

• University: Georgia Institute of Technology (Georgia Tech)
• Research  Areas: Knowledge of Optimization and Learning     Algorithms (KOALA)
• Position: Assistant Professor
• Email: kwang692@gatech.edu
• Personal Website: https://guaguakai.com/
• Collaboration with NTU Faculty:

o  Prof. Hsuan-Tien Lin: Loss function design,gradient descent

o  Prof. Shao-Hua Sun: Reinforcement learning

o  Prof. Ho-Lin Chen: Game theory

o  Prof. I Chien: AI safety

II. Research Internship Program

• Research Overview: The lab focuses on the integration of optimization and machine learning, as well as their societal applications, including:

1.     Algorithm Integration: Deep integration of optimization algorithms and machine learning algorithms.

2.     Applications of Generative Models: Applying generative models to optimization, reinforcement learning, and modelarchitecture design.

3.     Social Impact AI: Research on the application of AI in healthcare, environmental protection,social sciences, and game theory.

• Target Student Level: Undergraduate students (junior year and above), master’s students, and Ph.D. students

• Expected Skills and Qualifications:

o  Solid background in optimization, machinelearning, and algorithms

o  Practical experience in reinforcement learning(RL) and generative models (e.g., diffusion models, Transformer architectures)

• Additional Requirement: Fluent English proficiency

• Administrative Information:

o  Available Duration: Summer

o  Number of Positions: 2

o  Visa Processing: Handled by the PI through the department; processing time is relatively long(over 3 months)

o  Costs and Benefits:

§  The PI will cover the visa processing fee (DS-2019)

§  Partial living expense support may be provided, subject to fundingavailability

§  Students are responsible for arranging their own accommodation (noon-campus housing or subsidy provided)

o  Academic Credit: Not offered