天坦動態
享受科研,心懷遠方:劉元瑋學術采訪紀實
2022 年 1 月,AMiner 團隊推出 AI 2000榜單,旨在通過 AMiner 學術數據在全球范圍內遴選過去十年間,人工智能學科最有影響力、最具活力的頂級學者,贊揚他們對于人工智能研究領域的卓越貢獻,劉元瑋博士,由于其在人工智能+通信與物聯網領域做出的杰出貢獻入選此榜單,近日他受邀接受了AMiner團隊的學術專訪,以下為專訪全文:

儒雅、謙和、自信、真誠,目前任職于英國倫敦瑪麗女王大學(Queen Mary University of London)的副教授劉元瑋正是一位朝氣蓬勃又具有英倫紳士氣質的青年學者。
 
在“AI+通信”的研究領域中,他是一顆冉冉升起的明日之星。自 2015 年至今,他已在非正交多址接入、可重構智能表面、無人機通信以及機器學習等領域發表了近 200 篇高質量論文,其中包括多篇 ESI 高被引論文和 IEEE ComSoc best Reading 論文。
 
據谷歌學術統計,其所有論文的總被引次數已達到 1.3 萬余次,獲評 2021 年科睿唯安全球高被引科學家全球高被引研究者,IEEE 車載技術學會杰出講師。由于其在物聯網領域做出的杰出貢獻,入選由 AMiner 評選的 2022 AI 2000。
 
 
近日,他向 AMiner 介紹了其代表性工作 STAR: Simultaneous Transmission And Reflection for 360° Coverage by Intelligent Surfaces,并分享了他的求學的經歷、研究的感悟,以及在學生培養方面的心得。
 
 
求學英倫,乘風破浪
 
2013 年,劉元瑋告別了母校北京郵電大學,來到了位于倫敦的瑪麗女王大學,攻讀博士學位。在博士生涯初期,他也經歷過短暫的迷茫,嘗試過許多研究方向。
 
直到 2014 年,在蘭卡斯特大學訪問期間,他遇到了自己求學路上的一位重要的“領路人”——Zhiguo Ding 教授。
 
從那時起,他將自己的主要研究方向確定為非正交多址接入(Non-Orthogonal Multiple Access,NOMA)技術,并一直鉆研至今。在研究熱點風云變幻的信息科學領域,一名研究者能夠在求學初期找到能夠為之奮斗十年的研究課題,實屬一件幸事。
 
在他看來,Zhiguo Ding 教授對他的最大影響莫過于向他傳授了“快樂科研”的思想,即享受科研、相信自己、為自己的研究成果而自豪。
 
2015 年,他結識了自己學術生涯中的另一座“燈塔”——南安普頓大學教授、英國皇家工程院院士 Lajos Hanzo。“生活中溫文爾雅、平易近人,工作上一絲不茍、認真負責”,這是他對 Lajos Hanzo 教授的評價。Lajos Hanzo 教授在學術寫作上給予了他極大的幫助和指導。時至今日,他還會時常拿出當年保存的 Hanzo 教授的手稿,來回味學習。
 
回首一路走來的研究之路,他總結道:開展某個方向的工作需要“天時、地利、人和”等條件,更為重要的是,研究者自身需要具有足夠的精力,儲備足夠成熟的研究技能。
 
 
擁抱 AI,融會貫通
 
近年來,人工智能技術(AI)在計算機視覺(CV)等領域的應用取得了突飛猛進的發展。目前,在人工智能領域中,美英等國仍然處于優勢地位,中國的研究者也正迎頭趕上。除了高校,國外的 FLAG、國內的 BAT 等互聯網巨頭,以及三星、華為、高通等傳統的通信公司都對 AI 技術研發有所布局。一些新的 AI 獨角獸企業也紛紛開始嶄露頭角。
 
倫敦瑪麗女王大學在 CV 領域也做出了許多重要的工作。受到來自世界各地研究者的啟發,劉元瑋萌生了將 AI 與通信技術相結合的想法。
 
2016 年前后,他開始了博士后階段的工作。在此期間,他首先嘗試將 AI 用于自己熟悉的非正交頻分多址通信場景。之后,他又嘗試將 AI 應用于無人機通信、可重構智能超表面(Reconfigurable Intelligent Surface,RIS)輔助通信等場景下。
 
之所以持續從事 AI in 6G 方面的研究,是因為現代通信系統需要優化的參數和系統指標非常多,系統關切的指標會隨著場景、用戶的改變而變化。而 AI 技術可以同時優化多項參數,并且針對具體場景、結合用戶的行為規律進行預測,最終做出智能決策。相較于傳統算法能搞好地適應場景的快速變化,基于 AI 的通信系統將更適用于車聯網、高鐵通信、室內通信等新場景。
 
通信系統的智能化是目前學術界和工業界普遍看好的大趨勢。然而,AI in 6G 的研發也面臨重重的挑戰,例如:
 
(1)通信系統中的用戶調度,資源分配等問題要求我們設計高維離散優化方法;
(2)對于深度學習在通信中的應用,訓練和測試數據集合的獲取和構建也成為了一大挑戰,需要考慮數據的時效性、一致性、以及訓練復雜度。相比于深度學習,深度強化學習對數據的依賴程度較低,是一種適合在通信系統中應用的解決方案;
(3)由于通信系統自身的復雜度較高,待優化變量較多,且通信系統對算法和決策的時延非常敏感,AI 算法的處理速度可能難以應對用戶對實時性的要求;
(4)統一的測試環境和指標。AI+6G 的研究缺乏像 CV、NLP 等領域中的標準化測試環境。
 
為了促進該領域的發展,劉元瑋團隊正基于 OpenAI 的標準化 API 構建深度強化學習環境,平臺將在不久的將來開源共享。
 
目前,他們正大力推進以下兩個方面的研究:(1)AI for NGMA(Next Generation Multiple Access),即通過 AI 技術滿足無線通信場景下的一些需求;(2)NGMA for AI,即通過資源分配等設計,滿足分布式人工智能計算對于時延等指標的要求。
 
 
笑對疫情,探索 STAR
 
“在新冠肺炎疫情爆發之初,倫敦很快就進入了封城狀態,學校、餐廳等公共設施普遍都被封閉了起來,人們的生活一時間慢了下來。” 回憶起那段經歷,劉元瑋感慨萬千。
 
起初,他的工作受到了相當程度的影響,由于在家會受到一些生活瑣事的干擾,很難保持亢奮的工作狀態,工作效率直線下降。面對這種情況,他及時做出了調整,強迫自己將工作和生活分開,通過出門散步調整心態。
 
漸漸地,他發現從另一個角度來看,疫情之后的工作模式也產生了一些積極的變化。對于教職人員來說,原先的一些招生、開會、作報告、社交等雜事占用的時間變少了,反而留給研究的時間變多了,每天都有時間可以打開 arxiv 跟進最新的研究進展。也正是在此時,他可以查閱大量文獻,著手大力推進 STAR 項目,靜下心來研究電磁、物理、麥克斯韋方程組,對研究中的“硬骨頭”發起攻關。
 
6G 通信的無線接入部分被廣泛認為需要在原理和范式上取得革命性進步。在諸多候選技術中,RIS 及其營造的智能電磁環境獲得了大量專家學者的青睞。簡而言之,在傳統觀念中,電磁波等無線信號的傳播環境被認為是不可控的。幸而,RIS 技術的出現使得我們可以在無線信號傳播的路徑中實現對電磁波的控制。
 
 
然而,傳統的 RIS 大多只支持對信號的反射。劉元瑋團隊受到玻璃對光的部分反射、部分透射的啟發,提出了融合反射和透射于一體的智能超表面(Simultaneously Transmitting And Reflecting Surface,STARS)。在硬件層面的實現上,劉元瑋團隊考慮使用“塊陣列“和“超材料”兩種方法實現 STARS。
 
就 STARS 的控制而言,STARS 需要同時考慮每個單元折射和反射信號的控制,于是 STARS 的控制相比傳統 RIS 更加復雜。每個 STARS 陣元需要具備獨立可調的表面電、磁阻抗,這樣,每個單元中的面電流強度(對應電阻抗)和渦旋電流強度(對應磁阻抗)才可以被改變,從而人為的控制其產生的反射和透射信號的幅值與相位,對無線信號的傳播環境進行“人工配置”。
 
然而,由于用戶的移動和外部自然傳播條件的不斷變化,如何智能地根據當前的自然傳播條件和用戶分布智能地控制 STARS 成為了決定系統性能優劣的重要因素。針對這一問題,劉元瑋團隊提出了多種基于機器學習算法(強化學習、深度學習、元學習等)的智能控制方案。
 
 
之所以選擇使用強化學習技術進行 STAR 的智能控制,是因為強化學習對于訓練集的依賴程度較低,天然地適用于通信系統中的決策與控制問題。為此,劉元瑋團隊設計了兩種方案:
 
(1)在多個基站進行采樣,制作數據集,訓練強化學習智能體;
(2)每一個智能體周圍的傳播環境較為穩定,使用自己基站的歷史數據訓練。
 
獎勵函數是強化學習的“指揮棒”,設計獎勵函數需要考慮的衡量通信系統性能的指標很多,比如速率、能量效率、時延等。在設計強化學習獎勵函數時,需要根據具體場景進行分析,確定各指標的系數,在保證有效性的同時,使優化難度可接受,訓練可收斂。
 
另外,為了訓練能夠通用于不同基站的人工智能代理,劉元瑋團隊提出了元學習方案。通俗地講,元學習本質上是教會機器如何學習。在基于元強化學習的通信場景下,不再需要針對單一的樣本來訓練智能體,而是需要通過遷移學習在通信系統中訓練具有普適性的智能體。這種新興方案可以充分利用基站之間存在的相似性,從而通過知識遷移降低訓練的時間和成本。
 
 
STARS 具有非常廣泛的應用場景,比如在 STAR: Simultaneous Transmission and Reflection for 360° Coverage by Intelligent Surfaces 中所列舉的 STARS-NOMA 蜂窩網絡,工業通信場景,室內/室外信號增強以及海上通信等諸多應用場景。例如:
 
(1)從室外到室內的信號連接是一個重要的通信問題,通過把 STARS 安裝在窗戶上可以有效增強室外到室內信號的傳輸質量,尤其是對于高頻段的毫米波/太赫茲信號;
(2)在通信感知一體化任務中,STARS 可以有效增加信號維度,以便于利用信號完成識別,感知等任務;
(3)STARS 還可以被用于增強通信的物理層安全,通過增強目標用戶和發射機之間的信道,可以允許發射機使用較小的發射功率,從而有效降低信號被非合作用戶竊聽的風險。
 
 
6G 與后疫情時代
 
在后疫情時代,網絡通信技術的重要性更加凸顯了出來,越來越復雜的網絡交互場景對 6G 技術的發展提出了要求。以學術交流為例,越來越多的報告、演講、授課活動,甚至學術會議都以 Zoom、騰訊會議等形式進行,從線下物理空間走向了線上空間,提高了交流的效率,拓寬了知識傳播的受眾,使溝通的渠道更加暢通。
 
此外,就醫療行業而言,6G 、數字孿生、通感一體化等技術將推動值回病房、家庭醫生問診、數字病房、數字床位等概念的落地。未來,數字醫療領域將會呈現井噴式的增長。
 
值得一提的是,跨學科交叉研究對來自不同學科背景的研究人員的合作效率提出了很高的要求。以 IT+醫療為例,劉元瑋指出:在與醫療機構的合作伙伴合作的過程中,需要以具體的工作為載體,讓研究機構和醫療機構的合作者在工作中增進對各自領域的熟悉程度,互利共贏。
 
 
質效兼備,科研人員成長三部曲
 
相較于 CV、NLP 等較為成熟的領域,AI in 6G 的研究往往更具有突破性意義,然而數據積累、平臺建設、系統構建等工作紛繁冗雜,可能會消耗大量時間。如何在學術成果的產出數量與質量取得平衡成為了許多 AI 研究者必須面對的問題。
 
在劉元瑋看來,研究的數量和質量之前確實存在一些矛盾,但是二者并非完全對立,在某種程度上是可以兼顧的。但相對而言文章的創新性和質量更加重要。他對于博士生的培養一般分為以下三個階段:
 
(1)基礎訓練(博士第 1 年):在開始階段,由于博士新生缺乏對整個領域的了解,他會將系統模型親自交給學生設計,讓學生在模型實現、論文寫作、應對同行評審、論文修改還的實踐中學習知識,獲得正反饋,享受研究的過程,培養研究的興趣。
(2)科研進階(博士第 2-3 年):當學生積累一定的經驗后,開始嘗試沿著導師給出的大方向自己尋找課題、構建模型。他在這個階段通過密集的討論幫助學生分辨出具有研究前景的課題和模型,打磨出 “Clean & Tidy” 的研究思路。此時,他會根據學生的強項為其指出具體的攻關方向(比如理論推導、工程應用、數值優化),做到因材施教。在這個過程中,他會幫助學生將“天馬行空”的想法落地。
(3)獨頂大梁(博士后期或博后階段):學生在某些方面的技能已經成熟甚至開始超越老師,成為了合格的科研助手,幫助導師實現宏偉的研究構想。這時,他的學生已經可以幫助他將其“天馬行空”的想法落地。
 
 
精品論文-有三個特質
 
作為多篇 ESI 高被引論文的作者,劉元瑋認為,精品論文往往具備 3 個特質:
 
(1)選題簡潔而明確。2016 年,他發表了自己第一篇 IEEE JSAC 論文 Cooperative Non-orthogonal Multiple Access With Simultaneous Wireless Information and Power Transfer。在該論文中,他基于隨機幾何理論提出了一種環形模型,十分簡潔明了。該模型是一項基礎性的研究,隨后被 NOMA、UAV認知無線電等領域的工作大量引用。
 
(2)具有較大的數學貢獻。他于 2017 年發在 IEEE TWC 上發表了一篇題為 Enhancing the Physical Layer Security of Non-orthogonal Multiple Access in Large-scale Networks 的論文。其中,劉元瑋推導出來了一種新的數學分布,可以被應用于 NOMA、物理層安全等多個領域,具有很強的普適性。
 
(3)文章敘述與表達精辟。2017 年,他與英國皇家科學院院士 Lajos Hanzo 合著了一篇題為 Nonorthogonal Multiple Access for 5G and Beyond 的論文,該論文被發表在 Proceeding of IEEE 上。論文撰寫期間,Lajos Hanzo 院士花費了大量精力修改論文引言部分,將其視為藝術品仔細雕琢,達到了娓娓道來的效果。
 
 
快樂科研,高效比勤奮更重要
 
劉元瑋一直對自己的學生倡導“快樂科研”的理念。他認為,研究者應該對研究感興趣(be interested in the research),對自己的研究充滿信心(be confident in the research),最終為自己的研究而自豪(be proud of the research)。
 
為了釋放壓力,研究者們可以培養自己的一些興趣愛好,比如健身、跑步、藝術鑒賞。體育運動可以讓研究者擁有健康的體魄,這對于可持續的科研工作十分重要。在倫敦這樣的大都市里,公園、劇院、博物館等公共設施可以為研究者們提供豐富的業余生活,做到勞逸結合。
 
此外,積極融入研究社區也是十分重要的。研究者們應該多參加學術會議,感受到自己融入科研大家庭的溫暖與樂趣,與同行們交換意見,取長補短。“如果你在一個地方呆得太久,可能會忘記時間”。
 
“我們要多與他人交流,認清差距和優勢,不能閉門造車。對于研究而言,高效比勤奮更重要。” 他有一個習慣——在上班的地鐵上回復郵件,然后在工作時間內聚精會神,不被打斷,保持高效率。
 
此外,他還堅持每周與自己的每位博士生進行半小時的“一對一”討論,掌握學生的研究進度,為學生提供指導建議,幫助其提升研究的效率。
 
注:劉元瑋每年 9 月至次年 1 月份招收博士研究生,研究方向為 6G 智能通信,可重構智能表面,通信感知一體化,感知與視覺融合等,歡迎有志于“AI+通信”的學子踴躍申請。詳情查看他的個人主頁(http://www.eecs.qmul.ac.uk/~yuanwei/)。
 

劉元瑋博士,天坦智能首席科學家

英國倫敦大學瑪麗女王學院長聘副教授,通信與計算機科學博士,(Artificial Intelligence and Big Data Enhanced Communication) ABC@QM 實驗室負責人(團隊16人,均為在讀博士及博士后), 倫敦大學瑪麗女王學院和北京郵電大學智能通信實驗室聯合負責人,IEEE 高級會員,任通信頂級期刊IEEE Communication Letter高級編委,IEEE TWC和IEEE TCOM編委,IEEE JSAC/JSTSP等客座編委。獲2020IEEE ComSoc EMEA杰出研究員獎, 2020IEEE 信號處理協會(SPCC)早期杰出成就獎,2021 IEEE 通信理論技術協會(CTTC)早期杰出成就獎,獲2021 IEEE通信協會Young Professional杰出提名獎,2021 入選全球2021高被引科學家名單(Top 1%),入選斯坦福大學公布的世界Top 2% 科學家名單(2020,2021)。
北京郵電大學本科及碩士學位,倫敦大學博士學位,長期專注于通用人工智能框架及算法,未來5G/6G通信, 非正交多址接入(NOMA),通信感知一體化, 可重構反射面通信,無人機通信,物聯網通信和人工智能的研究,在相關領域發表英文專著/章節四部,頂級期刊會議220 余篇,其中ESI高被引論文15篇,IEEE ComSoc Best Reading論文17篇,谷歌引用率10,000+ (h-idex 47)。受邀國際報告60余次。
友情鏈接: 北京膏滋堂科技發展有限公司 新型冠狀病毒全國中醫名家推薦預防方匯總
中文天堂最新版在线www下载|日本公与息在线观看|亚洲国产欧美动漫在线人成|美女把腿扒开让我添视频