Song Han は MIT EECS の准教授です。スタンフォード大学で博士号を取得しています。効率的な AI コンピューティングに広く使用されているプルーニングや量子化といった「深層圧縮」技法と、最新の AI チップに初めて重みスパース性をもたらした「高効率な推論エンジン」を提案し、その論文の引用回数は ISCA の 50 年の歴史の中でトップ 5 に入りました。Song は IoT デバイスにディープ ラーニングをもたらし、エッジでの学習を可能にする TinyML 研究のパイオニアです。Song のチームによるハードウェア認識ニューラル アーキテクチャ検索 (Once-For-All ネットワーク) の取り組みによって、リソースに制約のあるハードウェア デバイス向けにも AI モデルの設計、最適化、縮小、デプロイの実行が可能になり、フラッグシップ AI カンファレンスの低電力コンピューター ビジョン コンテストの多くで第一位を獲得しています。