Постдокторант
Имейл: [email protected]
Д-р Синлей Уанг
Синлей Уанг е постдокторант в INSAIT, с научен ръководител проф. Люк Ван Гуул . Тя завършва докторантура по електротехника и компютърно инженерство в Университета в Сидни под ръководството на д-р Джереми Циу , с подкрепата на стипендията на Австралийската правителствена програма за обучение на научни работници (RTP). Тя също така получава магистърска степен по наука за данни и бакалавърска степен по финанси и глобален бизнес мениджмънт от Китайския университет в Хонконг, Шънджън, където работи с проф. Джунхуа Джао по изследвания на пазарите на въглеродни емисии и електроенергия.
Изследванията на Синлей се фокусират върху усъвършенстване на разсъжденията за сложни инженерни системи и разбиране на екологичния отпечатък на индустрията с изкуствен интелект. Тя разработва методи, които използват модели с големи езици за подобряване на вземането на решения в контекста на енергийните системи, особено в неструктурирани, мултимодални условия. Успоредно с това, тя изгражда мащабни рамки за отчитане на въглеродните емисии, за да определи количествено потреблението на енергия и емисиите, свързани с индустрията с изкуствен интелект, в ерата на закона за мащабиране.
Нейните изследвания са публикувани във водещи издания, включително NeurIPS , и интердисциплинарни списания като Nature Reviews Electrical Engineering , Cell Patterns , Cell Nexus и Engineering . Някои от нейните изследвания са получили медийно отразяване, включително от MIT Technology Review (Китай) .
Тя е ръководила и е допринесла за доклади за въглероден рейтинг за компании, регистрирани на борсата в Австралия и Китай, разработвала е бази данни за въглеродни емисии с висока резолюция на фирмено ниво и е работила по проекти, свързани с проверката на зелени облигации и стандартите за ценообразуване на пазара на електроенергия.
2026
Xiyuan Zhou, Ruixi Zou, Xinlei Wang, Yuheng Cheng, Yan Xu, Junhua Zhao, Jinjin Gu
EngiAgent: Fully Connected Coordination of LLM Agents for Solving Open-ended Engineering Problems with Feasible Solutions
In: Forty-Third International Conference on Machine Learning (ICML 2026)
Xinlei Wang, Ruibo Ming, Jing Qiu, Junhua Zhao, Jinjin Gu
Hugging Carbon: Quantifying the Training Carbon Emissions of AI Models at Scale
In: Forty-Third International Conference on Machine Learning (ICML 2026)
Haoyu Chen, Keda Tao, Yizao Wang, Xinlei Wang, Lei Zhu, Jinjin Gu
Intelligent Photo Retouching with Language Model-Based Artist Agents
In: The Findings track of IEEE/CVF Conference on Computer Vision and Pattern Recognition 2026 (CVPR 2026 Findings)