Hengyu, provenant du réseau凹非寺
QuantumBit | compte public QbitAI
Le circuit modèle mondial continue de se remplir par des cerveaux les plus intelligents.
Quantum Bit a appris que Wu Haixu, qui avait reçu le prix spécial Tsinghua en 2022, a commencé discrètement une entreprise de modèles mondiaux cette année.
Le nom de l’entreprise est Wuyuan Technology. Jusqu’à présent, elle a réussi à obtenir plusieurs rounds de financement, et sa valeur est passée à plusieurs centaines de millions de dollars. Parmi les investisseurs figurent des institutions d’investissement de premier plan tels que Ant Forest, Meituan, Dachen Finance Intelligence et Xinglian.
En février de cette année, GeoPT, le projet réalisé par Wu Haixu comme auteur principal, a suscité un grand intérêt dans le domaine des technologies.
Cette étude propose un nouveau paradigme de dynamique permettant d’améliorer les pré-trainings. Par l’utilisation de dynamiques synthétiques, la géométrie statique est « élevée » dans un espace dynamique, permettant ainsi aux modèles d’acquérir une intuition physique en apprenant l’évolution des trajectoires des particules sans données étiquetées.
Les auteurs de cette thèse comprennent également un professeur associé au sein de l’Institut de logiciels de TsinghuaLong Mingsheng（Docteur Wu Haixu, tuteur）、MITQui Kaoming, ainsi que le professeur de MITWojciech Matusik(L’enseignant du projet du post-doctorant Wu Haixu) et autres.
Nous avons appris que, pour cette entreprise qu’il a lancée, Wu Haixu a choisi de commencer par un modèle mondial doté de capacités de modélisation physique.
Selon des sources informées chez Proton Tech, ce plan continue dans une certaine mesure la ligne de recherche de GeoPT en termes de méthodologie technique.
Qui est Wu Haixu ?
Wu Haixu est entré en 2016 dans le département de génie logiciel du Collège de génie informatique de l’Université Tsinghua pour ses études de premier cycle, et a commencé en 2017 ses études supérieures en mathématiques pure et en mathématiques appliquées au sein du département des sciences mathématiques de l’université Tsinghua.
En 2019, pendant les vacances d’été, il a été inscrit comme étudiant de visite au groupe Visual Computing de l’Université Harvard pour mener des recherches, sous la direction du professeur Hanspeter Pfister.
Après avoir obtenu son diplôme de licence, il a commencé sa carrière de recherche post-universitaire à l’École de logiciels de l’Université Tsinghua, sous la direction de l’assistant professeur Long Mingsheng.
Groupe de recherche Long MingSheng – Première étude sur l’apprentissage transférable (Transfer Learning), puis le groupe s’est concentré sur les modèles fondamentaux temporels, la prédiction spatio-temporelle, l’IA pour la science, les modèles monomodaux du monde, etc.
En 2022, Wu Haixu a reçu une bourse spéciale de Tsinghua University.
On devrait tous avoir entendu parler de la valeur des prix spéciaux de Tsinghua. Yang Zhilin de Moon’s Dark Side, Chen Lijie de OpenAI, Yao Shunyu de Google (on dit dans les rumeurs qu’il a quitté son poste et lance une entreprise RSI), Cao Yue de Sand.ai, Liu Songming de LiberAI, etc. ont tous reçu ce prix.
Lors de la présentation du prix spécial, Wu Haixu avait déjà publié 7 articles dans des conférences et revues de classe CCF-A telles que ICML, NeurIPS et IEEE TPAMI, dont 6 étaient co-écrits par lui.
À l’époque, son résultat de recherche clé était Autoformer. Ce travail a pour première fois intégré de manière systématique la notion de décomposition de séquences avec un mécanisme d’attention amélioré, et est considéré comme le modèle de jalon pour la prédiction à long terme (LSTF).
Après Autoformer, il a également publié des travaux tels que PredRNN, Corrformer, Transolver et GeoPT.
À partir de 2025, il s’est rendu au MIT CSAIL pour effectuer un travail de poste doctoral ; GeoPT est justement son travail représentatif durant cette période.
Pendant cette période, Wojciech Matusik, le mentor de postdoc de Wu Haixu, est une éminente chercheuse dans le domaine de la conception et de la fabrication numérique. Ses recherches couvrent plusieurs domaines tels que la graphique informatique, la fabrication numérique et l’ingénierie robotique, et visent à relier le monde numérique et la fabrication physique par l’utilisation d’algorithmes.
Sur la page perso de Wu Haixu, il est indiqué que ses points de recherche principaux portent sur l’apprentissage profond et le machine learning scientifique, dans le but de mettre en place des principes évolutifs pour les systèmes physiques.
Ses recherches se concentrent sur deux thèmes principaux : les systèmes physiques et les systèmes dynamiques, et se décomposent principalement en trois directions :
Réseau backbone évolutif basé sur les principes physiques (Autoformer, Corrformer, Transolver)
Modèle de base physique entièrement connecté (TimesNet, Unisolver, GeoPT)
Système d'apprentissage scientifique à perception de domaine (Flowformer, Transolver++, FlashBias)
Jusqu’à présent, le numéro d’impressions sur Google Scholar de Wu Haixu est de 29611.
Lien de référence :
[1]
https://wuhaixu2016.github.io/
[2]
https://scholar.google.com/citations?user=oLL_x0wAAAAJ&hl=en
[3]
https://people.csail.mit.edu/wojciech/
[4]
https://www.thss.tsinghua.edu.cn/info/1023/2032.htm