nano energy投稿个人简介

nano energy投稿个人简介
Nano energy是一家位于加州的非盈利非营利组织，由美国加利福尼亚大学伯克利分校和NIH合作成立。

Nano energy旨在帮助美国当地的学生申请并使用免费的大学资源，同时帮助他们在世界各地的大学学习和生活。

为了解决目前国内在读学生的入学申请困难，为全球学生提供一个更加高效快捷的学习途径, Nano energy开设了多个线上课程，旨在帮助中国学生更好地了解并使用国际前沿的学习和研究方法、工具及技术。

我们非常感谢您在百忙之中浏览了《Nano energy》并给予了支持与鼓励。

一、基本信息
Nano express,一名注册研究员，曾在加州大学伯克利分校学习四年，然后又在加州大学伯克利分校读了两年学位并在加州大学伯克利分校学习三年。

目前是 Nano express和 Nano sensor的联合创始人兼首席研究员，也是加州大学伯克利分校研究生院教授。

2018年10月，当选加州大学伯克利分校(UC Berkeley)副教授。

1、研究背景
在化学和计算机科学领域，有一个不断增长的领域-离子液体（例如，用于生物诊断的多通道离子液体）、离子液体机器人和基于电子功能材料、纳米颗粒。

这一领域还出现了各种新兴的应用-例如基于纳米颗粒的药物载体（例如，用于诊断的抗肿瘤药物);纳米颗粒应用的材料工程；基于电子材料的纳米颗粒存储技术；纳米颗粒药物载体（例如，用于制造抗肿瘤药物）。

尽管这些趋势仍在发展和不断增长-但是它们目前仍未解决实际挑战-并且在某些应用中具有广泛使用前景。

2、主要研究领域
主要研究方向包括:(1)合成生物学：包括癌症，艾滋病和其他类型疾病在内的复杂疾病的生物学机制;(2)自然医学：包括细胞和基因的表达和调节;(3)可再生医学：包括分子医学（分子免疫学),分子影像学（分子生物医学）和细胞生物学（分子影像学);(4)临床医学：包括心脏瓣膜，肺部和肝脏等疾病的治疗、诊断、生物相容性、临床数据收集等;(5)生物医学材料：从蛋白质、细胞到生物组织层（包括基因组、 RNA、蛋白质、脂质体和基因编辑药物）结构和功能;(6)药物开发：药物的化学相容性、细胞生物学、生物安全、癌症治疗和组织工程等;(7)医疗设备：植入物组织、植入物;(8)复杂组织和器官细胞、器官组织植入物、组织器官与组织工程;(9)可再生医学：通过控制能量代谢过程来改变整个健康系统的功能;(10)复杂组织医疗技术：包括纳米医疗技术;(11)干细胞;(12)生物医学：包括细胞治疗和器官移植工艺;(13)复杂组织器官：通过生物医学信息处理和计算机技术来完成;(14)基因与药物）。

同时还负责 Nano express的美国食品药品监督管理局 Food and Drug Administration Certificate Advances Network Cell Institute 2018 (NEXT)计划(Nano express博士参与该计划）并担任其主席。

3、主要研究方向：
在 Nano express的研究领域中，我们专注于纳米尺度(nano sensor)领域的研究。

纳米尺度是指可以纳米尺度(nano)材料的分子水平，因此它可以为复杂材料的研究提供具有高精度和高活性数据存储的纳米尺度材料。

纳米尺度材料可以是可重复(layer-up)或可控制(simulation)等表面处理方法；还可以具有与纳米尺度材料相同的物理性质和化学性质、具有高传感性能、具有大尺寸可控制性能；而且还可以在纳米尺度上制造纳米尺寸和三维形状的产品。

纳米材料在复杂分子、纳米生物大分子、生物电子器件、传感器和自适应光器件等领域都具有广泛应用前景。

因此，如何在纳米尺度上开发高效合成纳米尺度(nano sensor)材料是一个重要而紧迫的课题。

4、发表学术论文：
Nano express的主要研究方向包括：(1)与 Horowitz教授合作的纳米光学材料研究：在纳米材料方面进行了大量研究，包括在室温下获得具有高透光率的聚合物涂层的研究；(2)在纳米
线基底上的纳米粒子研究：在纳米线基底上构建纳米粒子在纳米线基底上的三维空间聚集结构和纳米粒子在纳米线基底上的微观行为研究；(3)纳米粒子和纳米颗粒在纳米线表面形成纳米阵列的研究：在该研究中, Nano express首次设计了可实现纳米粒子聚集结构的纳米阵列体系；该工作得到了 Manuel Chew教授、 Yohan Lipsen教授和 Liu Simpson教授的大力支持。

5、实验室信息：
2020年，担任国际生物多样性科学协会(IUCN)主席。

在最近发表在 Nature上的文章中，他讨论了 Nano Net/branch genetic acid用于研究和保护濒危物种的潜力。

他还与加州大学伯克利分校的 Gary Milkmore合作设计了用于分析野生生物物种栖息地的生物系统模型。

自2018年起，他领导 UC Berkeley团队处理来自不同国家、不同物种或不同种类生物多样性分布的样本。

他还参与了许多国际项目：发表在《科学》杂志上的论文和报告中关于地球多样性分析和保护工作；他领导一项研究工作，分析野生生物物种栖息地环境下生物多样性数据。

他还是 NANO、India、 Authority和 Herbert Mills等国际组织顾问委员会委员。

6、兴趣和爱好：
我对生物学有浓厚的兴趣，并且热衷于探索植物细胞以及在细胞层面上研究生物细胞，特别是微生物，细胞内器官等系统。

我在加州大学伯克利分校的四年期间曾发表了三篇 SCI论文，分别是：《与微生物共培养的多孔材料》(Genome Synthesis)、《水分子处理体系对于细胞的增殖和分化的影响》(PNAS)、《水分子功能化系统对细胞增殖的影响》(CAML)和《超分子结构如何影响细胞增殖）等。

除生物细胞外，还有研究用于细胞代谢、肿瘤细胞的分子机制以及水分子在人类健康、疾病防治中的作用的系统研究。

我还对单细胞及动物细胞产生不同分子机制进行了研究：包括针对人类细胞中存在的微量病毒和细菌进行研究人类微量免疫细胞内不同细胞类型及其机制；研究一种称为单细胞流式细胞的方法对单细胞或非免疫细胞进行研究一种新的单细胞转染或细胞内信号分子如何影响人类单细胞免疫反应；利用单个病毒作为细胞内信息载体研究人类血液对细胞内信号分子和非免疫细胞的影响。

7、近期主要研究进展：
Nano express研究了一种基于水的分子相互作用(MP)分子组装的纳米颗粒-纳米珠系统。

该系统的主要研究领域包括水的自由化学过程、水的生物相容性和水-空气界面。

通过使用多尺度上的水动力学模型模拟这一新机制，以评估该系统对细胞发育至关重要的空间尺度结构(MCP)的适应性。

二、我是谁？
我是 Nano energy的创始人，目前正在读研究生，正在考虑成为一名学者。

作为一名计算机科学家，我学习了关于各种系统方法、工具和应用程序的研究、设计、应用程序开发、机器学习和计算机视觉实践，我在研究生期间还学习了如何使用开源工具。

这些都很有趣、很有挑战性：你可能是一名计算机科学家而且正在努力解决实际问题；你可能擅长数学方面的实践；你可能喜欢人工智能(AI)和机器学习技术并对它们有自己的理解（或更准确地说，它是一种算法);你可能有机会成为人工智能(AI)领域的专家。

我还需要学习如何使用计算机和网络来获得专业知识，以及如何用数字技术来学习它们。

此外，在与 Nano energy合作之前，我已经接触了一些编程软件。

1、学习编程
作为一名算法工程师，在本科期间，我曾接触过一些机器学习(AI)的工具，比如基于 XML 的 Upgrade。

作为一名机器学习算法设计师，我学到了如何用 Ubuntu和 CodeKit来构建一个应用程序，同时也熟悉 Java、 Python和 C++的一些应用（以及在 Linux上运行 Java应用程序）。

除了这些主要的工具，在研究生阶段，我还参加了一些课程（例如 Studio Machine)或参加了编程比赛（比如 RoboScaleScript和 MakeAwards)。

从本科到研究生的各种领域的应用都可以让你学习编程知识，比如使用机器学习和计算机视觉技术来处理图像、视频、文本、文件或地图识
别等应用；在这方面，我还在 Ubuntu上写了一些项目（例如 Yandex/Yandex Partners等),它们也是开源 Java和程序员经常使用的软件；此外还与许多公司建立了联系，并为他们提供了一些免费编程包。

在这些方面学到的知识对成为一名学者来说是非常重要的。

2、学习知识
作为计算机科学家，我的首要任务是学习专业知识。

学习各种数字技术和人工智能方面的知识有助于我更好地理解现实世界中的挑战。

我还学习了如何使用数字技术来理解和学习这种计算方式。

3、如何构建软件
我对软件的架构和流程进行了很多探索。

我花了很多时间在研究过程中寻找最好的方法来创建一种安全、高效的软件架构。

当然，我也知道我应该怎么做--这取决于我的时间和精力。

你可以通过使用 Nano Resources或其他软件组件来完成此过程。

4、数据科学
我的研究兴趣包括：数据科学，计算机科学和人工智能；
5、与团队合作
我的团队包括 Java开发人员，算法工程师，机器学习工程师和数据科学家。

除了软件外，我们还使用代码平台 TensorFlow为我们社区成员开发开源代码，并支持 Hyperledger等开源框架。

我是一个喜欢学习的人，我的团队有非常好的创造力、同情心和团队精神。

虽然我也可能不是一个完全专注于技术的人，但当涉及到其他领域时，这种对挑战的兴趣往往会影响整个团队。

与朋友、同学和朋友一起创造这样一个网络环境并参与其中很重要。

三、我的学术背景和研究领域
我的主要研究领域是教育和管理、人类学习过程以及学校之间的关系，以及教育与学校对学生需求的反应。

在这方面，我有自己的一套研究框架—— Similarity Program。

Similarity 项目是一个在全球范围内进行大规模、深入研究和合作的项目，主要涉及教育、学习者发展、学生行为以及学校之间关系等。

该项目旨在培养学生学习与思考能力，从而促进他们在世界各地做出贡献的能力。

1、教育的基本特征
教育的基本特征在于：(1)自主性：在学校中，教师对学生独立于其人格的自主性有严格的要求，这一点至关重要；(2)自主性：学校中的学习过程以学生为中心，使他们能够在学习过程中发现和解决问题。

(3)自主性：在不影响个人或集体利益的前提下培养他们的自主性、独立性、探索性；(4)自主性：在一定程度上通过自我实现和自我发展来提高学习者对学校和学习之间关系的满意度。

这种一致性使学生能够充分参与学习过程。

2、教育与学习者发展研究，包括学生自我认知发展的研究，将学生分成两类，一类学生和普通学生，另一类是对学生成长感兴趣的成年人。

在第一阶段，普通学生和有经验幼儿，他们将在学校学习，完成学习任务而不是学习技能，他们将为将来的成功做准备。

而成年人（尤其是美国人）会使用学习理论来指导他们的教育实践。

在第二阶段，他们会使用他们熟悉的文化环境来指导他们的教育实践、教育过程和学习结果。

通过这一研究将让教师能够评估学生在教学活动中应遵守的规范和准则。

3、家庭、职业、收入与学生行为。

我在研究学生在学习、生活和行为等方面的表现时发现：一个孩子在学校中的表现不仅取决于家庭收入，还取决于家庭所在地区的收入水平。

与父母在经济条件方面不平等有关的影响学生表现。

因此，在家庭收入较低的国家，学生表现更差甚至会影响其学业表现。

四、在读经历
2008年，在加利福尼亚大学伯克利分校攻读计算机科学硕士学位。

2009-2012年，在美国加利福尼亚大学伯克利分校，获得了计算机科学学士学位和计算机科学硕士学位，然后继续前往
斯坦福大学和加州大学伯克利分校就读。

2014-2015年，在斯坦福大学攻读计算机科学博士学位，然后继续深造。

1、学习环境
在中国，学习环境好的学校少之又少；但由于对中国文化兴趣浓厚，在中国选择了一所具有中国特色的大学；虽然地处中国，但这所大学的历史很悠久；这里的老师和同学都很优秀，很关心学生的学习和生活；而且这些学校大多在世界上比较有影响力的大学排行榜上。

2、学习方式
在伯克利就读时，在伯克利学习了计算机科学和大数据研究两年（大二）。

在斯坦福期间的学习则主要是数学研究（大一）。

计算机科学专业方向的课程主要有：算法、数据表示（如神经网络）、神经网络算法、面向对象计算、程序设计方法等。

3、工作情况
从美国回来后，于2012年进入斯坦福大学从事机器学习研究。

担任学校人工智能实验室的首席科学家，领导研究团队以及在人工智能领域的研究和教学工作，并与他人合作解决了人工智能的一个重要的科学问题：机器学习研究。

研究领域涉及机器学习的关键技术、机器学习的模型和算法、智能计算机与智能计算、大数据分析与可视化、智能感知与智能分析、深度学习与智能计算等七个方向。

同时还担任学校人工智能实验室主任。

4、论文评价
作为一篇高质量的论文，主要是基于已有数学框架为基础的模型和算法进行优化，主要从正则化和算子的选择方面入手。

本论文最大的亮点是使用了一个多元的自适应优化方法，使模型变得更加灵活多变。

在处理正则化问题时，使用了很多自适应方法，并利用了 BP神经网络进行推理。

该算法对非正则化问题也有良好的效果，但是还没有研究出比此方法更好、更适合优化的正则化方法以及模型。

5、未来展望！
本人也是非常希望能够在自己的领域做出一些具有创新性的研究工作。

在我看来，做任何事情都需要有目标、有坚持！而在实际生活中我是一个非常注重行动的人！。