量子位2026-10-16 20:54 UTC+8

Trường-Hsing-Preisträger im Bereich KI-Gründungen: Ein weiterer +1 – GeoPT ist auch in das physikalische Weltmodell eingebunden

Mit einem Weltmodell, das physikalische Modellierung ermöglicht, beginnen

Hengyu, von Ao Fei Si
Quantum Bit | Public Account QbitAI

Der Weltmodell-Rennstrecke strömt weiterhin das intelligenteste Gehirn entgegen.

Die Quantumbit erfuhr, dass Wu Haixu, der im Jahr 2022 den Tsinghua-Sonderpreis erhalten hatte, dieses Jahr leise mit der Gründung eines Weltmodell-Unternehmens begonnen hat.

Der Name der Firma ist Wuyuan Technology. Bis heute hat sie schnell mehrere Finanzierungsrunden abgeschlossen, und ihr Unternehmenswert beträgt mehrere Millionen US-Dollar. Zu den Investoren gehören renommierte Investitionsinstitutionen wie Ant蚂蚁, Meituan, Dachen Finance Intelligence und Xinglian.

Im Februar dieses Jahres hat GeoPT, eine Arbeit von Wu Haixu in der Technologiebranche große Aufmerksamkeit erregt.

Diese Arbeit schlägt ein völlig neues Dynamikmodell für den prätrainierten Ansatz vor, das durch synthetische Dynamik die statische Geometrie in einen dynamischen Raum „erhebt“, sodass das Modell auf unbeschrifteten Daten durch das Lernen der Partikelverläufe eine physikalische Intuition erhält.

Auch unter den Autoren dieses Artikel sind Long Mingsheng, ein außerordentlicher Professor am College for Software Engineering der Tsinghua-Universität und Dozent für Dr. Wu Haixu, He Kai-ming von MIT sowie Wojciech Matusik, Professor an MIT (Dozent des Postdoc-Projekts von Wu Haixu), untergebracht.

Wir haben erfahren, dass Wu Haixu bei seiner neuen Unternehmung den Schritt mit der Weltmodell-Technologie, die über physikalische Modellierung verfügt, gewählt hat.

Laut Personen, die mit Nearby Origin Technology in Kontakt stehen, führt dieses Konzept in gewissem Maße die Forschungsstrategie von GeoPT in Bezug auf den technischen Ansatz fort.

Wer ist Wu Haixu?

Wu Haixu begann im Jahr 2016 mit dem Studium des Softwareingenieurwissens an der Fakultät für Softwaretechnik der Tsinghua-Universität und studierte im folgenden Jahr in der Abteilung für Mathematikwissenschaften der Tsinghua-Universität Mathematik und angewandte Mathematik.

Im Sommer 2019 war er als Besuchstudent im Visual Computing Group der Harvard University tätig, wo er an Forschungen arbeitete und von Professor Hanspeter Pfister unterrichtet wurde.

Nach seinem Abschluss an der Universität begann er seine Doktorandenzeit am Softwareinstitut der Tsinghua-Universität, mit dem Betreuer Prof. Dr. Long Mingsheng.

Die frühen Forschungen der Long Ming Sheng-Gruppe konzentrierten sich auf Transfer Learning, später wurde der Schwerpunkt auf zeitliche Grundmodelle, Raumzeitvorhersagen, AI for Science und multimodale Weltmodelle gelegt.

Im Jahr 2022 erhielt Wu Haixu einen Sonderstipendium von Tsinghua University.

Man sollte wohl alle etwas von der Wertigkeit des Tsinghua-Exzellenzpreises gehört haben: Yang Zhilin von Moon’s Dark Side, Chen Lijie von OpenAI, Yao Shunyu von Google (es wird gesagt, dass er gekündigt hat und das Startup RSI gründet), Cao Yue von Sand.ai, Liu Songming von LiberAI – alle haben diesen Preis erhalten.

Bei der Antwort auf den Sonderpreis hatte Wu Haixu bereits 7 Artikel in Konferenzen und Zeitschriften der Kategorie CCF-A wie ICML, NeurIPS und IEEE TPAMI veröffentlicht, davon 6 als Mitautor.

Seine wichtigste Forschungsleistung zu dieser Zeit war Autoformer. Dieses Projekt führte erstmals systematisch den Gedanken der Sequenzdekomposition mit einem verbesserten Aufmerksammeffekt zusammen, und es wurde als das milestone-Modell für LSTF bezeichnet.

Nach Autoformer veröffentlichte er auch Werke wie PredRNN, Corrformer, Transolver und GeoPT.

Ab 2025ging er zum MIT CSAIL, um eine Postdozentenstelle anzutreten, und GeoPT war genau diese Arbeit in dieser Zeit.

Während dieser Zeit war Wojciech Matusik, der Postdoc-Dozent von Wu Haixu, ein bekannter Wissenschaftler im Bereich des Bereichs Rechenarchitektur und Fertigung. Seine Forschungen umfassen mehrere Bereiche wie Computergrafik, rechnerische Fertigung und Robotik, und er bemüht sich, mit Algorithmen die digitale Welt mit der physischen Fertigung zu verbinden.

Auf der aktuellen persönlichen Homepage von Wu Haixu steht: Die Forschungsrichtung seiner Person konzentriert sich hauptsächlich auf Deep Learning und wissenschaftliches maschinelles Lernen, mit dem Ziel, prinzipienübergreifende Modelle für physikalische Systeme zu entwickeln.

Seine Forschung konzentriert sich auf die beiden Themen physikalische Systeme und dynamische Systeme und umfasst hauptsächlich die folgenden drei Bereiche:

Skalierbare Kerne-Netzwerke auf physikalischen Prinzipien (Autoformer, Corrformer, Transolver)

End-to-End physikalische Grundmodell (TimesNet, Unisolver, GeoPT)

Sektorwahrnehmungsbasiertes wissenschaftliches Lernsystem (Flowformer, Transolver++, FlashBias)

Bis heute beträgt die Google Scholar-Querausgabe von Wu Haixu 29611.