“SIAM-Simons本科生暑期研究计划”每年在美国设立五个站点,用于应用数学和计算科学的暑期研究和学习。
接受该项目的学生将:
该项目的目标群体是美国应用数学和计算数学代表性不足的群体的美国学生,特别是少数民族(非裔美国人/黑人、西班牙裔、美洲土著/土著民族、阿拉斯加土著、夏威夷土著/其他太平洋岛民)。该项目旨在扩大在我们学科中代表性不足和历史上处于边缘地位的学生对数学的参与。
2024年夏季参赛申请截止。2025年夏季申请将于2024年12月开放。
如果您满足以下条件,您有资格申请:
申请人将被要求提交:
不完全市场利率模型与资产定价定量金融的现代方法与所使用的数学工具及其所依据的金融经济理论有着密切的联系。在本项目中,我们将把基本线性代数、优化和统计工具应用于金融、银行和保险部门的研究和实践领域。我们的方法是双重的:在固定收益证券领域,我们将利用基于时间序列计量经济学的框架来建模、分析和预测利率动态。在行为金融领域,我们将应用期权理论方法来探讨不完全市场中的定价和优化问题。
导师:Sooie Hoe Loke
利用最优传输和拓扑数据分析表征生物模式自然界中,我们周围都有图案:例如蝴蝶翅膀、鱼皮上的条纹和斑点、树叶上的脉序以及猫身上的皮毛。在这些例子中,确定两种模式是相似的还是不同的通常是一个定性过程。但“相似”又有多相似,两种生物模式的图像在哪些方面不同?解决这个问题有助于深入了解基因突变和进化何时产生不同的模式和组织。要做到这一点,我们需要定量的方法来详细总结许多模式。在本项目中,我们将使用优化传输和拓扑数据分析的计算方法来区分和表征生物模式的图像。例如,我们可以使用持久同源性来量化“数据的形状”,或者应用最佳传输方法将生物模式的一个图像“变形”为另一个图像,并测量它们之间的差异。
导师:亚历山大·沃尔科宁
线性代数与概率交集的乐趣我们的项目将侧重于加强我们在线性代数方面的基础。我们将研究有效表示矩阵列空间(范围)的随机化方法,以便为人脸识别、音乐推荐和癌症检测构建健壮有效的算法。
导师:亨利·博阿滕
应用于表格数据的数据增强分类方法已成为社会多个部门的宝贵工具。分类应用的示例包括自动驾驶汽车、广告定位、欺诈检测、人脸识别、蛋白质功能预测和医疗诊断。由于它的广泛应用,科学家已经开发出强大的机器学习技术来进行数据分类。当前最先进的分类方法(如深度学习)的一个问题是,这些方法需要大量数据。然而,收集足够的数据来创建可靠的模型并不总是可能的。例如,如果患者不想再参与数据收集,那么从患者那里收集的数据可能既耗时又昂贵,甚至是不可能的。在计算机视觉中,研究人员通过应用数据增强方法来解决数据不足的问题。数据增强是指在不收集任何进一步数据的情况下创建新的数据点。例如,在计算机视觉中,通过旋转、缩放、翻转或重新着色原始图像集来创建新图像。应用此过程,使机器学习技术有足够大的数据集来准确分类数据。我们将使用真实的表格数据或按行和列组织的数据来开发和测试我们的数据增强方法,以了解我们的技术在多大程度上保持了固有模式,以及是否提高了准确性。
导师:Vazquez Landrove博士
自组装和自折叠病毒衣壳模型的仿生设计准则许多复杂的生物结构是由随机过程(熵驱动)形成的,我们试图了解复杂美丽的结构是如何自组织的。在我们的实验室里,我们特别关注病毒衣壳,比如现在熟悉的新冠病毒结构,它最近受到了如此多的关注。我们将关注三种途径:(1)自折叠折纸:开发与二十面体平面网的对称性相关的新的可测量变量,并用折纸模拟器测试它们,以查看哪些网能够快速、完全、无缺陷地折叠;(2) 自组装物理模型:开发病毒衣壳的准晶体模型(例如,使用瓷砖,例如最近发现的uni-tiles以及Penrose kites和darts),并观察是否可以使其自组装;(3)对病毒衣壳的张拉整体展开面模型进行找形分析:建立从二十面体扩展到二十面体的模型。从几何形状上看,病毒衣壳有两种不同的类型:二十面体(以及具有60、120、180等单个亚单位的更高级版本)和螺旋体。一些二十面体型病毒衣壳不符合经典的Goldberg多面体模型,而是准晶体。我们已经成功地制作了具有多达60个亚单位的病毒衣壳的4D打印(自组装和自折叠)中模。我们有一个关于十二面体和二十面体所有43380种构型的杜勒网和施莱格尔图的数据库。除了建立物理模型,通过将其置于温水中进行自我折叠外,我们还使用折纸模拟器分析了它们的自我跟随。虽然我们已经分析了许多配置的可折叠性,并发现Dürer网上的顶点连接数与自折叠性密切相关,但在顶点连接子群中存在相当大的差异。如果您喜欢三维拼图和可视化,学习3D打印和激光切割,以及数学问题解决,请考虑来到我们位于特拉华大学特拉华生物技术研究所的实验室。
导师:约翰·荣克
导师从SIAM经验丰富、高素质的会员库中挑选,与学员和SIAM密切合作。虽然导师确实监督参与者的研究活动,但他们也充当参与者与应用数学社区之间的主要联系,帮助他们感到联系和受欢迎。
2024年夏季导师的申请已关闭。2025年夏季的申请将于2024年夏季开放。
这个西蒙斯基金会由Jim和Marilyn Simons于1994年共同创立,致力于推进基础科学和数学研究的前沿。该基金会通过学术机构向个人研究人员及其项目提供资助,并通过其Flatiron研究所为顶尖计算科学家组成的内部科研团队提供支持。吉姆和玛丽莲·西蒙斯共同主持基金会董事会。
SIAM非常感谢西蒙斯基金会资助这一重要项目(奖项编号:1036702),该项目将为数学和计算科学领域历史上人数不足的本科生提供支持和职业发展机会。
成像反问题的计算方法在这个项目中,我们将致力于开发用于解决成像系统产生的反问题的计算方法。大多数这些问题都是不存在的,这意味着在大多数情况下,解决方案对数据非常敏感。由于数据通常包含不同成像系统(例如相机、传感器等)产生的误差,因此需要开发稳健可靠的正则化方法来计算有意义的解决方案。此外,在大多数成像系统中,会产生大量数据,这使得数据的获取和存储以及反演过程的计算成本变得非常棘手。为了解决这些问题,我们将研究数据的代数张量结构,应用降维技术并研究其在反演过程中的影响。
参与者:凯尔西·安德森和阿什利·拉姆赛·阿利森
导师:Malena Español
课程硕士:通过创新培训、教育和研究应对重大挑战的建模、分析和仿真多年来,数学建模及其应用在解决现实世界挑战方面的重要性迅速增加。此外,人们迫切需要将建模与多学科解决问题能力和终身学习技能相结合,以应对全球挑战,例如了解新冠肺炎疫情对家庭暴力的影响。本课程将让两名积极主动的本科生接触数学、问题解决、数据驱动方法、计算、可视化技术和多学科应用方面的高级主题。该项目还将大大提高人们对数学方法在理解生物、工程和生物灵感系统方面日益增长的实用性的认识,以及它们如何帮助促进各级学生的科学和专业发展。
参与者:阿丹·巴卡和迭戈·冈萨雷斯
导师:Padmanabhan博士(Padhu)Seshaiyer
识别用于癌症治疗个性化的新生物标记物该项目将侧重于分析临床数据和开发数学模型,以确定癌症治疗个性化的新生物标记物。我们位于莫菲特癌症中心独特的综合数学肿瘤学(IMO)部门,这是NCI指定的癌症中心内唯一的数学部门。国际海事组织是一个高度跨学科和协作的部门,有来自不同背景的研究人员。
参与者:Moriam Animashaun和Layla Montemayor
导师:Heiko Enderling博士和Renee Brady Nicholls博士
位姿图优化的最小循环基位姿图优化(PGO)是各种研究领域中出现的一个基本问题,如同步定位与映射(SLAM)、运动结构、多摄像机平台校准和传感器网络定位。在本项目中,我们将重点讨论最小循环基问题及其在位姿图优化中的应用。
参与者:Rachel Ahumada和Drake Lewis
导师:伊利亚·V·希克斯博士
年度乳房X光检查的成本/效益分析:个体化医疗的社会公正方法美国现行的指导方针规定,40岁以上的女性每年需要进行乳房X光检查。一些研究人员声称,最近乳腺癌死亡率的下降可以归因于这一建议。然而,乳房X光片具有侵袭性,并且已知假阳性率很高。其他国家根据家族史、乳房密度等因素试行了不同的要求。在本项目中,我们将采用数据驱动的方法,提出个性化测试方案,该方案将考虑家族史和乳房密度等因素,同时尝试提供考虑到获得医疗保健、经济背景、种族和其他对健康结果有重大影响的标志物的解决方案。
参与者:Amira Claxton和America Jarillo-Montero
导师:Alicia Prieto-Langarica博士
作为一个专业社会,SIAM致力于增强我们社区各方面的公平、多样和包容性参与。SIAM将提供一种鼓励公开表达和交流思想的氛围,这种氛围不受任何形式的歧视、骚扰和报复,并欢迎所有成员和参与其活动的人,让他们感到舒适。
为了实现这一承诺,SIAM致力于为所有参与者提供平等的机会和待遇,无论其性别、性别认同或表达方式、性取向、种族、肤色、民族或族裔、宗教或宗教信仰、年龄、婚姻状况、残疾、退伍军人身份和专业领域。
这一理念从SIAM的管理结构和机构延伸到其会议、出版物、奖项以及所有有组织的活动。
我们期望SIAM的所有成员和SIAM活动的参与者努力实现这一公平、多样性和包容性的承诺。
如果您经历或观察到不符合上述原则的行为,我们鼓励您使用由第三方热线提供商EthicsPoint托管的SIAM热线举报任何违规行为。如果您愿意,您提供的信息将由EthicsPoint在完全保密和匿名的基础上发送给我们。我们保证您的意见会被听取。请提交报告。