12月11日，2021年腾讯犀牛鸟精英科研人才培养计划正式对外发布。计划截止申报时间为2021年1月28日24:00。
本年度精英科研人才计划将延续人工智能领域顶尖科研人才培养，发布包含机器人、AI医疗、量子计算、智慧城市等12个前沿热议方向，71项研究课题。入选学生将由校企导师联合制定专属培养计划，并获得3个月以上到访腾讯开展科研访问的机会，基于真实产业问题及海量数据，验证学术理论、加速成果应用转化、开阔研究视野。同时项目组将为学生搭建线上和线下学习、交流平台，帮助学生挖掘更多潜能。
本期小编整理了该计划中“方向3：自动驾驶”和“方向4：量子计算”，欢迎感兴趣的学生关注。
更多课题及方向介绍陆续推出，敬请关注。
（点击了解“犀牛鸟精英科研人才培养计划申请指南”）
方向3
自动驾驶
课题3.1：复杂路口场景下车辆状态判断（地点：北京/深圳）
当前车载导航在某些复杂路口场景下很难精确及时的判断车辆位置、车辆是否转弯等状态。利用深度学习的方法，基于车载相机和其他多种车载传感器信息和地图信息判断在各种复杂路口状态场景下车辆的运动状态。复杂路口主要包括各种复杂交叉路口，上下主辅路的路口，分叉路口等。判断的车辆状态主要包括车辆是否转弯，转弯后所在道路等信息。
课题3.2：室内场景的语义特征提取和单目深度估计（地点：北京/深圳）
重点关注地下车库场景，利用深度学习，提取适用于定位导航的稳定地物体和特征，包括但不限于减速带、停车位、日光灯、图像全局或局部特征描述子等，并实现多帧之间特征的匹配关联。同时，单目视觉基于深度学习的深度估计已经有了长足发展，在单帧深度估计的基础上，研究在模型中利用多帧图像数据提升单目深度估计的精度，生成更大范围的三维占据网格地图模型。
3.1-3.2导师简介：
腾讯专家研究员，美国得克萨斯A&M大学计算机专业博士，研究领域为机器人和计算机视觉。20 机器人、计算机视觉、人工智能方向国际知名学术会议期刊论文，3项美国技术专利，多次任机器人顶级会议ICRA和IROS的副主编。苹果ARKit SLAM算法的主要作者。
课题3.3：基于少样本学习的自动驾驶环境感知方法研究（地点：北京）
环境感知是自动驾驶车辆认知世界结构的重要一环，其感知的内容包括道路标识标线、动静态障碍物等。但是在实际的场景中，道路信息的长尾感知一直是困扰自动驾驶普适性应用的问题之一，例如异型的车道线、特殊道路边缘护栏、类型少见的标识标牌等等。这些样本在总量样本中占比很低，加之各种天气光线视角变化，使得真实场景中的长尾样本无法有效积累。得益于近年Few-shot learning在深度学习中的发展，如何有效的针对长尾道路数据进行学习，同时兼顾模型对常规道路场景的识别，将是环境感知值得研究的一个方向。本课题将涉及图像、毫米波或激光雷达的少样本感知算法研究，并应用在包括但不限于车道线、道路边缘及护栏、道路标识标牌、动静态障碍物等子方向的目标检测、图像分割、实例分割、全景分割及其扩展的多任务学习等方向。
导师简介：
腾讯专家研究员，北京交通大学博士研究生，信号与信息处理专业。研究领域为计算机视觉、图像识别及内容理解、深度学习。发表相关论文10余篇，包括但不限于IEEE trans CSVT、IET-CV等SCI 期刊以及 ICPR ICIP AVSS等学术会议。目前工作内容：面向自动驾驶的道路要素环境感知，道路监控图像的车辆行为理解等。
方向4
量子计算
课题4.1：使用机器学习加速量子化学模拟（地点：深圳）
计算机模拟技术为新材料的发现提供了一项廉价便捷的技术，不过通过模拟来计算材料的量子力学性质却十分困难。在本项目中，基于原子的组成与结构，我们计划建立机器学习模型来加速预测材料或分子的量子力学性质。同时，基于生成模型来进行新材料的设计与推荐也是我们感兴趣的研究方向。
导师简介：
腾讯高级研究员，曾就读及工作于新加坡国立大学物理系（本科），麻省理工化学系（博士），和新加坡国立大学量子技术中心（研究员）。主要研究方向为量子动力学、理论化学、机器学习在化学的应用，量子模拟算法。
课题4.2：量子机器学习理论研究和算法开发（地点：深圳）
本课题将着重研究量子机器学习算法研究和开发，可考虑方向包括：1、探索量子机器学习模型的理论优势；2、开发新的量子监督和非监督学习算法；3、强化学习和量子计算的交叉研究。
导师简介：
腾讯专家研究员，普林斯顿大学博士，加州理工学院博士后。研究领域为量子计算、理论计算机科学、人工智能基础及在信息系统、制药、材料、能源等相关行业上的应用；于多个国际期刊及顶级会议中任编委或程序委员。目前工作集中在量子算法及量子机器学习。
课题4.3：量子错误纠正/抑制（地点：深圳）
本课题将着重研究量子错误纠正/抑制的理论以及近期的具体实践，包括：1、对抗噪声的小规模量子电路编译优化；2、对抗泄露噪声的量子拓扑纠错码神经网络解码器；3、强化学习在小规模量子系统上的抗噪声应用。
导师简介：
腾讯专家研究员，南加州大学博士，电子工程专业，目前所在的领域为量子计算/量子纠错。目前工作：低冗余容错量子计算框架；实时反馈量子纠错系统；自纠错量子内存/计算理论；量子电路编译优化。
课题4.4：结合机器学习的量子模拟平台建设（地点：深圳）
材料和分子的量子模拟在材料科学、量子化学、生物学、凝聚态物理等多领域起着关键作用。近年来，机器学习技术的长足应用有望大幅提升量子模拟的效率。同时，云计算使得传统超算从刚性计算向弹性计算进化，提高了资源使用效率。在本项目中，我们计划基于腾讯云来开发结合机器学习的量子模拟平台，赋能科研用户，提高相关领域的科研效率。
导师简介：
腾讯专家研究员，清华大学物理系博士，曾就职于ASML、Google。主要方向：1、材料、分子的量子第一性原理模拟，分子动力学模拟等；2、云计算/并行计算，云原生。
项目申报方式
— 科研人才培养计划 —
手机扫码进入“预申报”，可获得更多项目通知
PC端访问网址，进入“申报”
https://www.withzz.com/project/detail/99
2021年度犀牛鸟精英人才培养计划
本年度犀牛鸟精英人才培养计划包括“犀牛鸟精英科研人才培养计划”和“犀牛鸟精英工程人才培养计划”两部分。其中科研人才计划旨在为致力于前沿科学研究的学生提供更优质的创新科研平台，助力其借助产业真实场景及海量数据，将理论研究和实践结合，验证学术理论，发表论文和专利。工程人才计划旨在以产业真实项目为牵引，在校企双导师指导下，模拟产业研发场景，组建学生研发团队，通过持续深入的挑战进阶式课题目标达成，培养学生系统性思维，拓展前沿技术视野，提升团队协作水平、解决复杂问题等核心创新能力。
2021腾讯犀牛鸟精英科研人才培养计划课题了解：
课题（一&二）——机器人相关技术研究&AI医疗
了解犀牛鸟精英计划更多详情：
2021腾讯“犀牛鸟精英人才培养计划”申请启动
2021腾讯“犀牛鸟精英科研人才培养计划”申报指南
2021腾讯“犀牛鸟精英科研人才培养计划”FAQ
2021腾讯“犀牛鸟精英工程人才培养计划”申报指南
2021腾讯“犀牛鸟精英科研人才培养计划”FAQ
点击“阅读原文”，进入预申报
