Lançada em outubro de 2020, a Iniciativa de Convergência do MIT e da Accenture para Indústria e Tecnologia destaca as maneiras pelas quais a indústria e a tecnologia podem colaborar para estimular a inovação. A iniciativa de cinco anos visa atingir sua missão por meio de pesquisa, educação e bolsas de estudo. Para esse fim, a Accenture mais uma vez concedeu cinco bolsas anuais para estudantes de pós-graduação do MIT que trabalham em pesquisa na indústria e convergência tecnológica que estão sub-representados, inclusive por raça, etnia e gênero.

Os bolsistas da Accenture deste ano trabalham em áreas de pesquisa, incluindo telemonitoramento, interações humano-computador, pesquisa operacional, Socialização mediada por IA e transformações químicas. Sua pesquisa abrange uma ampla gama de projetos, incluindo a concepção de hardware de processamento de baixa potência para aplicações de telessaúde; aplicação de aprendizado de máquina para agilizar e melhorar as operações de negócios; melhorar os cuidados de saúde mental através da inteligência artificial; e usando aprendizado de máquina para entender as consequências ambientais e de saúde de reações químicas complexas.

Como parte do processo de inscrição, foram solicitadas indicações de alunos de cada unidade da Escola de Engenharia, bem como das outras quatro escolas do Instituto e do MIT Schwarzman College of Computing. Cinco alunos excepcionais foram selecionados como bolsistas para o terceiro ano da iniciativa.

Drew Buzzell é um candidato a doutorado em engenharia elétrica e ciência da computação cuja pesquisa diz respeito ao telemonitoramento, uma esfera de rápido crescimento da telessaúde na qual as informações são coletadas por meio de dispositivos conectados à Internet das coisas (IoT) e transmitidas para a nuvem. Atualmente, o alto volume de informações envolvidas no telemonitoramento — e os custos de tempo e energia para processá-las — dificultam a análise dos dados. O trabalho de Buzzell é focado em edge computing, uma nova arquitetura de computação que busca enfrentar esses desafios gerenciando dados mais próximos da fonte, em uma rede distribuída de dispositivos IoT. Buzzell obteve seu BS em física e ciências da engenharia e seu mestrado em ciências da engenharia pela Pennsylvania State University.

Mengying (Cathy) Fang é estudante de mestrado na Escola de Arquitetura e Planejamento do MIT. Sua pesquisa se concentra em realidade aumentada e plataformas de realidade virtual. Fang está desenvolvendo novos sensores e componentes de máquinas que combinam computação, ciência de materiais e engenharia. Seguindo em frente, ela explorará tópicos incluindo técnicas de robótica leve que podem ser integradas com roupas e dispositivos vestíveis e feedback tátil para desenvolver interações com objetos digitais. Fang é bacharel em engenharia mecânica e interação humano-computador pela Carnegie Mellon University.

Xiaoyue Gong é candidato a doutorado em pesquisa operacional na MIT Sloan School of Management. Sua pesquisa visa aproveitar o poder do aprendizado de máquina e da ciência de dados para reduzir ineficiências na operação de negócios, organizações e sociedade. Com o apoio de uma bolsa da Accenture, Gong procura encontrar soluções para problemas operacionais, projetando métodos de aprendizado por reforço e outras técnicas de aprendizado de máquina para problemas operacionais incorporados. Gong é bacharel em matemática com honras e artes de mídia interativa pela Universidade de Nova York.

Ruby Liu é doutoranda em engenharia médica e física médica. Sua pesquisa aborda a crescente pandemia de solidão entre adultos mais velhos, que leva a problemas de saúde e apresenta riscos particularmente altos para pessoas historicamente marginalizadas, incluindo membros da comunidade LGBTQ+ e pessoas de cor. Liu está projetando uma rede de agentes de IA interconectados que promovem conexões entre usuário e agente, oferecendo cuidados de saúde mental enquanto fortalecem e facilitam as conexões entre humanos. Liu é bacharel em engenharia biomédica pela Johns Hopkins University.

Joules Provenzano é doutorando em engenharia química. Seu trabalho integra aprendizado de máquina e espectrometria de massa de cromatografia líquida de alta resolução (LC-HRMS) para melhorar nossa compreensão de reações químicas complexas no ambiente. Como bolsista da Accenture, Provenzano aproveitará os avanços recentes em aprendizado de máquina e LC-HRMS, incluindo novos algoritmos para processar dados reais e experimentais de HR-MS e novas abordagens na extração de regras e cinética de transformação de estruturas. A pesquisa deles pode acelerar o ritmo das descobertas nas ciências químicas e beneficiar indústrias como petróleo e gás, produtos farmacêuticos e agricultura. Provenzano é bacharel em engenharia química e estudos internacionais e globais pelo Rochester Institute of Technology.