中央研究院 Logo

協助探討神經細胞發育、突觸可塑性與大腦學習記憶或感官功能之機制研究。
依助理專長 / 性向進行細胞生物、基礎生化、影像擷取、數據分析、電生理或小鼠行為學實驗，並協助實驗室例行事務與管理。

1. 參與自然語言處理、機器學習等相關技術，
並結合問卷調查資料分析，研究重要社會議
題。
2. 爬蟲程式開發與維護。
3. 資料處理（以Pandas 為主，並熟悉各類檔
案、資料庫資料存取管理）。
4. 資料分析（可重現相關研究分析，並改動、
客製分析細節）。
5. 文獻蒐集與研讀。
6. 其他主管交辦事項。

【工作內容】
1. 學習與運用大數據分析與雲端計算、人工智慧(AI)與深度學習，來進行基因體/轉錄體/蛋白質體等多維體之大量序列資訊與人體資料庫相關的應用分析。
2. 進行程式軟體專案開發以及論文撰寫，軟體專案將會發表於GitHub/ DOCKER Hub上，供全球相關研究社群使用，同時也將有機會參與相關和業界及國際學界之合作計畫。

【本實驗室之研究標的】
1. 建置可應用於人類腸道微生物相分型與大量單細胞分類之人工智慧模型。
2. 協助高經濟養殖生物全基因體組裝註解、基因體育種策略之開發與資料庫建置等。
3. 以第三世代長片段定序(Pacbio/ Nanopore)HiFi定序為基礎，結合膜蛋白深度學習模型來找尋新的蛋白標的。
4. 利用機器學習與深度學習策略，發展人工智慧模型，來解析如宿主與病原蛋白質交互網路的拮抗與新藥標的(如新型抗菌肽與功能胜肽)的設計與驗證。
5.利用台灣人體資料庫(Taiwan BioBank)之巨量資料建立高齡健康預測模型，並結合大型語言模型(RAG+LLMs)來進行與生醫農學大數據分析等有趣問題。

【工作環境】
位於中央研究院資訊所內，實驗室軟、硬體配備齊全，具雲端環境及大數據計算平台，可進行多樣的研究計劃，參與國內外合作計畫，並學習到最新的研究技術及方法。同時，院內經常舉辦相關演講與訓練課程，研究與學習環境甚佳，與學界及產業界交流也相當暢通與頻繁。

深度學習模型推論和訓練優化研究 (Optimization of Deep Learning Model Inference and Training)

Machine Learning Systems團隊的研究方向包括：平行與分散式計算、編譯器、以及計算機架構。我們利用電腦系統的技術加速深度學習模型推論和訓練，並研究下一世代機器學習模型的系統開發和優化。

我們的研究方向著重於：
1. 模型壓縮與計算優化研究。
模型壓縮技術 (pruning and quantization) 透過減少AI模型容量與運算量，實現模型執行加速，對於嵌入式系統等資源受限的計算平台以及記憶體有限的AI加速器至關重要。為了有效執行壓縮後的模型，許多次世代處理器設計了新的運算功能，例如向量運算 (Intel AVX512, ARM SVE, RISC-V RVV) 和矩陣加速器 (matrix-multiplication unit on GPUs and NPUs) 等強化功能。我們將研究 (1) 如何利用這些強化運算功能加速壓縮模型的執行，(2) 各種計算平台，例如伺服器、邊緣裝置、異質系統等的壓縮模型的佈署方法。

2. AI加速器設計。
針對深度學習模型的推理加速，在FPGA板上實現AI加速器硬體設計，並進行軟硬體協同設計與優化研究。

3. 異質環境下深度學習模型推論優化研究。
智慧系統如自駕車與語音助理，通常需執行複雜的深度學習模型 (complex deep learning models: hybrid models, multi-models, and multi-task models)。與此同時，電腦架構正朝向異質多處理器設計發展 (heterogeneous architecture: CPUs+GPUs+AI accelerators)。如何整合異質處理器來執行複雜模型並達到高效能的運算，成為一項關鍵且具挑戰性的研究。針對此問題，我們將探討以下方向：(1) 模型運算與異質處理器的分配策略，(2) 排程演算法設計，(3) 模型執行平行化方法，包括資料平行（data parallelism）、模型平行（model parallelism）與張量平行（tensor parallelism）。


上述研究議題為國內外深度學習系統領域之重要發展方向，產業界及學術界均需此方面人才。適合擬專心研究，未來從事學術工作者或研發工作者，對於未來規劃進修博士學位者, 本實驗室之研究計畫提供優良之訓練環境與研究經歷。

深度學習模型推論和訓練優化研究 (Optimization of Deep Learning Model Inference and Training)

Machine Learning Systems團隊的研究方向包括：平行與分散式計算、編譯器、以及計算機架構。我們利用電腦系統的技術加速深度學習模型推論和訓練，並研究下一世代機器學習模型的系統開發和優化。

我們的研究方向著重於：
1. 模型壓縮與計算優化研究。
模型壓縮技術 (pruning and quantization) 透過減少AI模型容量與運算量，實現模型執行加速，對於嵌入式系統等資源受限的計算平台以及記憶體有限的AI加速器至關重要。為了有效執行壓縮後的模型，許多次世代處理器設計了新的運算功能，例如向量運算 (Intel AVX512, ARM SVE, RISC-V RVV) 和矩陣加速器 (matrix-multiplication unit on GPUs and NPUs) 等強化功能。我們將研究 (1) 如何利用這些強化運算功能加速壓縮模型的執行，(2) 各種計算平台，例如伺服器、邊緣裝置、異質系統等的壓縮模型的佈署方法。

2. AI加速器設計。
針對深度學習模型的推理加速，在FPGA板上實現AI加速器硬體設計，並進行軟硬體協同設計與優化研究。

3. 異質環境下深度學習模型推論優化研究。
智慧系統如自駕車與語音助理，通常需執行複雜的深度學習模型 (complex deep learning models: hybrid models, multi-models, and multi-task models)。與此同時，電腦架構正朝向異質多處理器設計發展 (heterogeneous architecture: CPUs+GPUs+AI accelerators)。如何整合異質處理器來執行複雜模型並達到高效能的運算，成為一項關鍵且具挑戰性的研究。針對此問題，我們將探討以下方向：(1) 模型運算與異質處理器的分配策略，(2) 排程演算法設計，(3) 模型執行平行化方法，包括資料平行（data parallelism）、模型平行（model parallelism）與張量平行（tensor parallelism）。


上述研究議題為國內外深度學習系統領域之重要發展方向，產業界及學術界均需此方面人才。適合擬專心研究，未來從事學術工作者或研發工作者，對於未來規劃進修博士學位者, 本實驗室之研究計畫提供優良之訓練環境與研究經歷。

1.負責網路、系統服務監控並產製相關報表

2.負責網路架構故障排除並協助解決使用者連上網問題

3.機房網路設備安裝與管理

4.個人電腦 & NAS設備資安維運管理

5.配合日常主管交辦事項

（一）協助首席獸醫師規劃、執行、監督院內動物福祉的評鑑及有效的管理，包含：
1.巡視本院所有設置於各所（中心）動物相關設施；2.監督各所（中心）動物相關設施依規定取得及運輸實驗動物；3.監督各所（中心）動物相關設施的預防醫學（檢疫、動物生物保全、及監測等）；4.監督、治療、諮詢各所（中心）動物相關設施與研究計畫相關的疾病、傷殘、及其他後遺症或相關健康議題；5.監督、諮詢各所（中心）動物相關設施與研究計畫相關的手術照護、疼痛及痛苦、麻醉及止痛、安樂死等。
（二）參與實驗動物照護及使用委員會業務，包括IACUC委員會行政事宜：本院動物實驗計畫之申請與審查作業；執行本院動物科學應用監督作業；辦理IACUC業務相關說明會及教育訓練課程等。

專長學術領域：
「英國文學∕美國文學∕英語系文學（含文化研究）」、「美台中關係研究（含美國外交、安全、美國政治）」、「人口學、社會階層」、「歐盟政治，尤其歐盟環境政治∕去成長、歐盟對外關係，尤其歐俄關係、歐盟與中東歐」、「歐美研究相關領域」。

1.協助人口統計與調查資料之數據申請、整理與分析。
2.協助特定家庭與人口研究主題之中英文文獻收集與整理。
3.協助其他研究行政工作與交辦事宜。

1.協助補助計畫經費審核及帳務整理。
2.協助公務預算預算經費審核及帳務整理。
3.其他臨時交辦事項。

領域與課程：
臺灣/海洋/南島微學程：郭佩宜副研究員「南島連結：太平洋史的新視角」
1. 支援中研院與陽明交通大學、臺北醫學大學、國防醫學院合作開設通識課之課務，協助課程執行，如：帶領課堂活動與討論、製作教材、批改作業、參與教學論壇的互動等等。
2. 定期參與人文講座教學助理工作培訓，並於會後繳交心得。
3. 其他人文講座相關臨時交辦事項。

領域與課程：
生命政治微學程：王鵬翔研究員「因果論辯：
反事實與規範的異想世界」
1. 支援中研院與陽明交通大學、臺北醫學大學、國防醫學院合作開設通識課之課務，協助課程執行，如：帶領課堂活動與討論、製作教材、批改作業、參與教學論壇的互動等等。
2. 定期參與人文講座教學助理工作培訓，並於會後繳交心得。
3. 其他人文講座相關臨時交辦事項。