บทความนี้เป็นบทความโดดเดี่ยวเนื่องจากไม่มีบทความอื่นเชื่อมโยงถึงโปรดเพิ่มลิงก์ไปยังหน้านี้จากบทความที่เกี่ยวข้อง( เมษายน 2567 )

เมงดี หวังเป็นนักวิทยาศาสตร์คอมพิวเตอร์เชิงทฤษฎีและศาสตราจารย์ประจำมหาวิทยาลัยพรินซ์ตันงานวิจัยของเธอพิจารณาถึงทฤษฎีพื้นฐานที่รองรับการเรียนรู้แบบเสริมแรงและการเรียนรู้ของเครื่องจักร เธอได้รับการยกย่องให้เป็นหนึ่งใน 35 บุคคลอายุต่ำกว่า 35 ปีที่มีความสามารถโดดเด่นจากMIT Technology Reviewในปี 2018

หวังเป็นนักศึกษาปริญญาตรีที่มหาวิทยาลัยชิงหัวโดยเธอเชี่ยวชาญด้านระบบอัตโนมัติ เมื่ออายุ 18 ปี เธอเข้าศึกษาต่อที่สถาบันเทคโนโลยีแมสซาชูเซตส์ในฐานะนักศึกษาปริญญาโท โดยทำงานร่วมกับดิมิทรี เบิร์ตเซกัส^[ 1 ^{] งาน}วิจัยระดับปริญญาเอกของเธอพัฒนาวิธีการสุ่มสำหรับระบบเชิงเส้นขนาดใหญ่^{[ 2 ]}

หวังมีความเชี่ยวชาญในกรอบทฤษฎีที่รองรับการเรียนรู้ของเครื่องจักรและการเรียนรู้แบบเสริมแรง^{[ 3 ]}เธอเข้าร่วมมหาวิทยาลัยพรินซ์ตันในฐานะผู้ช่วยศาสตราจารย์ในปี 2014 ^{[ 4 ]}เธอเป็นคนแรกที่เสนอวิธีการไล่ระดับแบบสุ่มสำหรับการเพิ่มประสิทธิภาพองค์ประกอบ^{[ 1 ]}งานในช่วงแรกของเธอใช้การเสริมแรงเพื่อลดความเสี่ยงในพอร์ตการลงทุนทางการเงินและช่วยให้โรงพยาบาลระบุภาวะแทรกซ้อนที่อาจเกิดขึ้นได้^{[ 3 ]}

หวังได้ศึกษาเกี่ยวกับกระบวนการตัดสินใจแบบมาร์คอฟซึ่งเป็นแบบจำลองสำหรับการเรียนรู้แบบเสริมแรง เธอใช้วิธีการบีบอัดสถานะเพื่อใช้ข้อมูลเชิงประจักษ์ในการร่างกระบวนการมาร์คอฟแบบกล่องดำ^{[ 4 ]}

ในปี 2020 หวังได้เข้าร่วมสถาบันการเปลี่ยนแปลงทางดิจิทัล C3.ai ซึ่งเป็นกลุ่มนักวิจัยที่มุ่งเร่งการใช้ปัญญาประดิษฐ์ในสังคม เธอเสนอว่าการเรียนรู้แบบเสริมแรงสามารถนำมาใช้เพื่อปกป้องสถานศึกษาจากCOVID-19ได้^{[ 5 ]}เธอใช้การระบุระบบและการควบคุมแบบปรับตัวเพื่อพัฒนากลยุทธ์ในการทำความเข้าใจสถานะสุขภาพของนักเรียน และเพื่อใช้งานอัลกอริทึมที่แนะนำการแทรกแซงแก่ผู้มีอำนาจตัดสินใจ^{[ 5 ]}ในปี 2024 เธอได้รับรางวัลจาก โครงการริเริ่มการวิจัยมหาวิทยาลัยแบบสห วิทยาการของกระทรวงกลาโหมสหรัฐฯเพื่อพัฒนา AI และการเรียนรู้แบบเสริมแรงสำหรับระบบชีวภาพ^{[ 6 ]}เธอแสดงให้เห็นว่าสามารถใช้แบบจำลองภาษาขนาดใหญ่ที่มีการแสดงความหมายเพื่อออกแบบวัคซีน mRNAได้^{[ 7 ]}

• รางวัลนักวิจัยรุ่นใหม่ด้าน การปรับปรุงประสิทธิภาพทางคณิตศาสตร์ ประจำปี 2016 สาขา การปรับปรุงประสิทธิภาพอย่างต่อเนื่อง ^{[ 8 ]}
• รางวัลนวัตกรรม Princeton SEAS ประจำปี 2016
• รางวัล NSF Career Award ประจำปี 2017 ^{[ 9 ]}
• รางวัล Google Faculty Award ประจำปี 2017 ^{[ 10 ]}
• MIT Tech Review 35-Under-35 ประจำปี 2018 ^{[ 1 ]}
• รางวัล WAIC YunFan ประจำปี 2022 ^{[ 11 ]}
• รางวัล Donald Eckman ของ American Automatic Control Council ประจำปี 2024 ^{[ 12 ]}

• Aaron Sidford; Mengdi Wang; Xian Wu; Lin Yang; Yinyu Ye (2018). "ความซับซ้อนของเวลาและตัวอย่างที่ใกล้เคียงที่สุดสำหรับการแก้ปัญหากระบวนการตัดสินใจแบบมาร์คอฟด้วยแบบจำลองเชิงกำเนิด" (PDF) . ความก้าวหน้าในระบบประมวลผลข้อมูลประสาท 31 . ความก้าวหน้าในระบบประมวลผลข้อมูลประสาท. Wikidata  Q59481743 .
• Mengdi Wang; Ji Liu; Ethan Fang (2016). "การเร่งความเร็วการเพิ่มประสิทธิภาพองค์ประกอบแบบสุ่ม" (PDF) . ความก้าวหน้าในระบบประมวลผลข้อมูลประสาท 29 . ความก้าวหน้าในระบบประมวลผลข้อมูลประสาท. Wikidata  Q46993803 .
• Junyu Zhang; Alec Koppel; Amrit Singh Bedi; Csaba Szepesvari; Mengdi Wang (พฤศจิกายน 2020). "วิธีการไล่ระดับนโยบายแบบแปรผันสำหรับการเรียนรู้แบบเสริมแรงด้วยยูทิลิตี้ทั่วไป" (PDF) . ความก้าวหน้าในระบบประมวลผลข้อมูลประสาท 33 . ความก้าวหน้าในระบบประมวลผลข้อมูลประสาท. Wikidata  Q104090329 .