Xiaoxiao Li
La nomination
Titulaire de chaire en IA Canada-CIFAR
Stratégie pancanadienne en matière d’IA
À Propos
Titulaire de chaire en IA Canada-CIFAR – Nouveau mandat – 2024
Xiaoxiao Li est professeur·e agrégé·e au Département de génie électrique et informatique de l’Université de la Colombie-Britannique, où iel dirige le groupe Trusted and Efficient AI (IA digne de confiance et efficace). Xiaoxiao Li est également professeur·e adjoint·e auxiliaire à la Faculté de médecine de l’université Yale. Le domaine interdisciplinaire de l’apprentissage profond au service de la santé est sa spécialité. Sa mission principale est de rendre l’IA plus fiable, en particulier dans des domaines sensibles comme celui des soins médicaux.
Au sein du groupe Trusted and Efficient AI, Xiaoxiao Li explore un large éventail de sujets allant de l’apprentissage automatique fondamental à des solutions d’IA plus ciblées sur les soins de santé. Avec son équipe, iel se penche sur des sujets comme l’apprentissage à partir de données multimodales et hétérogènes, les modèles d’IA efficaces, l’apprentissage fédéré, les modèles vision-langage et la création de modèles d’IA qui ne se contentent pas d’exécuter des tâches, mais qui peuvent aussi être dignes de confiance Les travaux avant-gardistes de l’équipe comprennent l’analyse par l’IA de neuroimages, des diapositives de pathologies ainsi que des notes moléculaires et cliniques. En substance, le travail de Xiaoxiao Li consiste à faire le lien entre le monde de l’apprentissage automatique avancé et les besoins pratiques du domaine des soins de santé.
Prix
- Bourse de recherche Amazon (2025)
- Bourse de recherche Google Gemini (2025)
- Prix du meilleur ou de la meilleure responsable de section, NeurIPS (2025)
- Chaire de recherche du Canada (niveau II) (2024)
- Prix du lecteur ou de la lectrice critique par excellence, ICLR (2023)
- Chaire de recherche du Canada (niveau II) (2024)
- Prix scientifique Nvidia (2021-2022-2025)
- Bourse de leadership pour les diplômées et diplômés avancés de Yale (2018-2020)
- Prix scientifique Nvidia (2021-2022-2025)
Publications Pertinentes
- Li, X., Jiang, M., Zhang, X., Kamp, M., & Dou, Q. (2021). Fedbn: Federated learning on non-iid features via local batch normalization. ICLR 2021.
- Li, X., Zhou, Y., Dvornek, N., Zhang, M., Gao, S., Zhuang, J., ... & Duncan, J. S. (2021). BrainGNN: Interpretable brain graph neural network for fmri analysis. Medical Image Analysis, 74, 102233.
- Li, X., Song, Z., & Yang, J. (2023). Federated adversarial learning: A framework with convergence analysis. ICML 2023
- Xing, S., Shen, S., Xu, B., Li, X., & Huan, T. (2023). BUDDY: molecular formula discovery via bottom-up MS/MS interrogation. Nature Methods, 1-10.
- Chen, M., Jiang, M., Dou, Q., Wang, Z., & Li, X. (2023). FedSoup: Improving Generalization and Personalization in Federated Learning via Selective Model Interpolation. MICCAI 2023