新闻

校园停产通知

在持续的冠状病毒(covid-19)的情况来看,我们已经决定关闭我们的行政办公室从周一开始,3月16日2020年,直至另行通知。 Cory和苏打大厅被关闭。班正在远方保持。在Cory和苏打大厅的所有事件要么被取消或远程举行,工作人员将远程在此期间的工作。

payam delgosha赢得2020 IEEE插孔KEIL狼ISIT学生论文奖

EECS研究生payam delgosha是在信息论(ISIT),这是举行一个zoomference 6月21日-26 2020年IEEE国际研讨会的IEEE插孔KEIL狼ISIT学生论文奖得主,2020年payam赢得了大奖他的论文“为稀疏的图形标记的通用低复杂度算法”共同创作与他的研究顾问venkat anantharam。该奖项旨在表彰在信息理论的其中一个学生是主要作者和演讲优秀论文。 delgosha获得了学士学位和M.S.从技术,伊朗的谢里夫大学学位。他计划加入伊利诺伊大学厄巴纳 - 香槟分校的大学在秋天2020年计算机科学的研究助理教授。

引进世界上最薄,最有效,最广泛的频段,平面透镜

EECS Assoc. Prof. Boubacar Kanté, his graduate 学生们 Liyi Hsu, Jeongho Ha and Jun-Hee Park, postdoctoral 研究er Abdoulaye Ndao, and Prof. Connie Chang-Hasnain, have demonstrated a revolutionary, ultrathin and compact, flat optical lens that spans wavelengths from the visible to the infrared with record-breaking efficiencies.  Their paper, “Octave bandwidth photonic fishnet-achromatic-metalens,” published in Nature Communications, is the first time a photonic system with the entire rainbow has been proposed and demonstrated with efficiencies larger than 70% in the visible-infrared region of the spectrum.  Attempts to make traditional lenses flatter and thinner, so that they can be deployed in increasingly smaller applications, have been hampered by the way that lens curvature and thickness are used to direct light.  The Fishnet-Achromatic-Metalens (FAM) utilizes a complex “fishnet” of tiny, connected waveguides with a gradient in dimensions, which focuses light on a single point on the other side of the lens, regardless of the incident wavelength.  As the world’s thinnest, most efficient, and broadest band, flat lens, its use in applications like solar energy, medical imaging, and virtual reality, is just the beginning.  As Kanté explains, “We have overcome what was regarded as a fundamental roadblock.”  One idea for a possible implementation would be to integrate the miniature lens into microrobots being developed at the Berkeley Sensor & Actuator Center (BSAC).

纸由彼得·马蒂斯在ACM SIGMOD会议上提出

一纸合写的计算机科学系校友彼得·马蒂斯(理学士'97)是在2020年的协会本月数据管理计算机学会(ACM)特别兴趣小组的数据(SIGMOD)国际会议的管理呈现。论文,题为“cockroachdb:弹性基于地理位置的SQL数据库”,描述了一个叫做cockroachdb云本地的,分布式SQL数据库,被设计为在多个位置数据的副本保存,以提供快速访问。该数据库是在蟑螂实验室正在开发,公司由一批前谷歌员工,其中包括马蒂斯,谁也是当前CTO,和老乡校友斯潘塞·金博尔(CS BA '97)共同创立于2015年,目前该公司CEO。蟑螂实验室采用多个卡校友包括ceilia LA(CS B.A. '00)和yahor yuzefovich(CS B.A. '18)的。

排名前100位最引CS学者在2020年间11个EECS教授

The EECS department has eleven 学院 members who rank among the top 100 most cited computer science & electronics scholars in the world. bt365手机平台 ranked #4  in the global list of universities with the highest number of influential scholars in 2020 (35, up from 24 in 2018).  Profs. Michael Jordan, Scott Shenker, Ion Stoica, Jitendra Malik, Trevor Darrell, David Culler, Shankar Sastry, Randy Katz, Alberto Sangiovanni-Vincentelli, Lotfi Zadeh and Dawn Song all ranked in the top 100 with an H-index score of 110 or higher, a measure that reflects the number of influential documents they have authored.   Jordan ranks fourth in the world, with an H-index of 166 and 177,961 citations.  The H-index is computed as the number h 论文接收至少 h 在谷歌的学者数据库上6000科学家简表中引用。 

迈克尔mccoyd用途小儿麻痹症历史摆脱在纽约时报专栏冠状病毒疫苗光

CS研究生迈克尔mccoyd(顾问:大卫·瓦格纳)合着的标题为纽约时报的专栏文章“什么期望时,冠状病毒疫苗终于来临,”它提供从脊髓灰质炎疫苗的历史醒酒教训。花了超过60年,从第一脊髓灰质炎疫情的发生对于要开发一种安全有效的疫苗,并试图加速往往导致悲剧的过程。 mccoyd,谁是安全的计算组中说,文章从他参加了J-学校更多地了解战斗造谣题为类出现“拒绝科学:媒体的作用”当J-学校重点转移到covid-19报道,教授。埃琳娜中山市哥尼斯,疫苗接种的学生间距的历史学家,建议故事的想法。他们的间距由纽约时报,mccoyd和同学杰西moravek,环境科学专业的研究生接受了,写的东西变成了专栏与教授。中山市哥尼斯。

四篇论文2020 IEEE-SP,作者:EECS测试的时间教员赢大奖

通过EECS教授四篇论文合着在赢得了测试的时间奖励IEEE研讨会今天的安全和隐私(其中3个是由教授合着黎明的歌。):“高效的身份验证以及有损组播流的签署频道,”共同撰写宋(博士'02)和已故教授。道格Tygar的说法(与perrig和卡内蒂)在2000年,“对加密数据检索实用技术”,通过歌声和教授共同撰写。在2000年大卫·瓦格纳(与perrig),“传感器网络随机密钥预分配方案”,由歌合着(与Chan和perrig)于2003年,“封闭的世界之外:使用机器学习的网络入侵检测”合作由教授-authored。在2010年IEEE-SP文·帕克斯森(与索默)被认为是最大的计算机安全会议,这四倍的成就证明了伯克利的优势地位的领域。

丹尼尔·弗里蒙特胜ACM sigbed论文奖

刚毕业CS博士学生丹尼尔·J·。弗里蒙特(顾问:sanjit seshia)赢得了协会嵌入式系统计算机学会(ACM)特别兴趣小组(sigbed)保罗·卡斯皮纪念论文奖,他在论文“算法即兴创作。”该奖项,这是成立于2013年,认识到优秀的博士论文是显著推进嵌入式系统的科学技术发展水平。弗里蒙特的论文提出的理论 算法即兴 启用随机系统的与正确的施工合成,并探索其应用安全的自主性。

使机器人从过去的经验中学习

EECS教授。彼得abbeel和助理教授。谢尔盖·莱文正在开发的算法,使机器人从过去的经验中学习 - 甚至从其他机器人。他们使用深强化学习,使机器人在过去表现出类似人类智慧的一个关键门槛:独立解决的更快,更有效的方式解决问题,掌握新任务的能力。在伯克利工程师再往文章成允许abbeel和Levine帮助机器人做“好”的选择,任务之间一概而论,凑合使用对象,多任务,并管理他们周围的世界难以预料的挑战的创新和进步。

使用机器学习重塑网络安全两个方面:歌和波帕

EECS教授。和校友晓歌(博士'02,顾问:道格Tygar的说法)和助理教授。拉卢卡ADA波帕已列入封面故事标题为伯克利工程师的春天2020问题“重塑网络安全。”面对保护用户的个人数据,同时认识到共享访问这些数据‘起到了推波助澜的现代经济’和支持科研的挑战,歌已经提出了包括‘控制使用’,并利用开放式源代码的范例一套新的基于博弈论的原理。她的实验室正在建立适用加密技术既机器学习模型和硬件解决方案,使用户能够保证数据安全的同时,也使其可以访问的平台。波帕的工作重点是利用机器学习算法,以保持在云计算环境中,而不是仅仅将数据与防火墙周围加密的数据。 “不显示共享”允许在不解密要被提供用于协作的敏感数据。这种方法是通过创建一个机器学习培训系统,是指数级的速度比其他方法提出了切实可行的。 “三个月所以不是训练模式,它需要我们在三个小时。”

彼得abbeel和谢尔盖·列文:教学电脑自学

EECS Prof. Pieter Abbeel and Assistant Prof. Sergey Levine both appear in a New York Times article titled "Computers Already Learn From Us. But Can They Teach Themselves?" which describes the work of scientists who "are exploring approaches that would help machines develop their own sort of common sense."  Abbeel, who runs the Berkeley Robot Learning Lab, uses reinforcement-learning systems that compete against themselves to learn faster in a method called self-play.  Levine, who runs the Robotic AI & Learning Lab, is using a form of self-supervised learning in which robots explore their environment to build a base of knowledge.