Suis nous sur
Xujie Sie-BW_F

Xujie Si

Titre

  • Titulaire de chaire en IA Canada-CIFAR
  • Stratégie pancanadienne en matière d’IA

Profil

Website

À Propos

Au carrefour des langages de programmation et de l’intelligence artificielle, les recherches de Xujie Si portent sur le développement de techniques basées sur l’IA pour faciliter le travail des programmeurs non professionnels et pour aider les programmeurs professionnels à concevoir plus facilement des logiciels sécuritaires et fiables. Xujie Si a développé des systèmes intelligents qui synthétisent automatiquement des programmes à partir d’exemples d’entrée et de sortie, qui analysent les utilisations correctes ou incorrectes des logiciels à partir d’importantes bases de code, qui diagnostiquent efficacement les faiblesses des logiciels grâce à un petit nombre de commentaires des utilisateurs et qui vérifient formellement l’exactitude des logiciels sans nécessiter d’annotations humaines. Xujie Si s’intéresse également à l’utilisation de méthodes et de principes de programmation formels pour améliorer les techniques d’IA, notamment en matière d’interprétabilité, de robustesse et d’efficacité des données.  

Prix

  • Prix du meilleur article ACM SIGPLAN, PLDI 2019
  • Finaliste du prix pour le meilleur article sur la sécurité appliquée, CSAW 2016

Publications Pertinentes

  • Xujie Si, Mukund Raghothaman, Kihong Heo, Mayur Naik. « Synthesizing Datalog Programs using Numerical Relaxation », Proceedings of the Twenty-Eighth International Joint Conference on Artificial Intelligence (IJCAI), p. 6117-6124, 2019.
  • Kihong Heo, Mukund Raghothaman, Xujie Si, Mayur Naik. « Continuously Reasoning about Programs via Differential Bayesian Inference », Proceedings of the 40th ACM SIGPLAN Conference on Programming Language Design and Implementation, PLDI 2019:561-575, 2019.
  • Xujie Si, Hanjun Dai, Mukund Raghothaman, Mayur Naik, Le Song. « Learning Loop Invariants for Program Verification », Advances in Neural Information Processing Systems 31, NeurIPS 2018.
  • Xujie Si, Xin Zhang, Radu Grigore, Mayur Naik. « Maximum Satisfiability in Software Analysis: Applications and Techniques », Computed Aided Verification, Springer, p. 68-94, 2017.
  • Insu Yun, Changwoo Min, Xujie Si, Yeongjin Jang, Taesoo Kim, Mayur Naik. « APISan: Sanitizing API Usages through Semantic Cross-checking », Proceedings of the 25th USENIX Conference on Security Symposium, p. 363-376, 2016.

Soutenez-nous

Le CIFAR est un organisme de bienfaisance enregistré qui reçoit le soutien des gouvernements du Canada, de l’Ontario, de l’Alberta et du Québec, ainsi que de fondations, de donateurs individuels, d’entreprises et de partenaires canadiens et internationaux.

Centre MaRS, tour Ouest
661, avenue University, bureau 505
Toronto (Ontario) M5G 1M1 Canada