1. 相關成果：大規模擴散模型的基礎理論與高效算法
擴散模型是Sora、Stable Diffusion等生成式人工智能系統的理論基礎，在視覺、音頻等多模態數據生成任務上領先其他模型。然而，擴散模型的采樣速度極慢。以圖像為例，擴散模型通常需要從純噪聲圖片出發進行50至100步去噪，最終生成清晰的圖片，所需時間是其它深度生成模型的50到100倍，極大限制了擴散模型的部署和落地。
該項目在擴散模型基礎理論、高效算法、骨干網絡和大規模預訓練等方面做出了系統性的原創成果：（1）提出的Analytic-DPM算法獲解決了擴散模型的反向方差估計不準的固有局限，通過理論分析獲得擴散模型的最優反向方差和最優KL散度的解析解形式，進而提出了一個新穎而優雅的免訓練推理框架，提升采樣效率20-80倍；（2）提出的DPM-Solver算法是一種針對于擴散模型常微分方程（ODE）設計的高效求解器，充分利用了ODE的結構信息，無需任何額外訓練，將擴散模型的生成速度提高2倍以上，首次實現只用10到15步生成高質量圖像；（3）提出了首個擴散模型與Transformer融合的架構U-ViT，比Sora團隊提出的同樣原理的架構DiT早了3個月，同時，開源了首個基于該融合架構的大規模擴散模型UniDiffuser。成果獲國際表示學習大會（ICLR 2022）杰出論文獎，發表2年來共被引2000余次，被華為、OpenAI、蘋果、Stable Diffusion等國內外領軍企業的文生圖大模型采用。
2. 獲獎人介紹：
朱軍，清華大學計算機系博世AI教授、清華大學人工智能研究院副院長、IEEE/AAAI Fellow。2001到2009年獲清華大學計算機學士和博士學位，之后在卡內基梅隆大學做博士后和項目科學家，2011年回清華任教（破格副教授），2015到2018年任卡內基梅隆大學兼職教授。主要從事機器學習基礎理論、高效算法及應用研究，在國際重要期刊與會議發表論文百余篇，谷歌引用2.9萬余次。擔任頂級期刊IEEE TPAMI的副主編和編委、AI編委，擔任ICML、NeurIPS、ICLR、IJCAI、AAAI等國際會議的資深領域主席、地區聯合主席、評獎委員會委員、研討會主席等20余次。獲求是杰出青年獎、科學探索獎、吳文俊人工智能自然科學一等獎、CCF自然科學一等獎、ICLR杰出論文獎、ICME/IEEE CoG最佳論文獎等，入選國家高層次人才計劃、MIT TR35中國先鋒者以及IEEE Intelligent Systems評選的“AI’s 10 to Watch”。研制開源的“珠算”深度概率編程庫和“天授”強化學習庫，獲得國際競賽冠軍10余項。