2022 年 1 月，AMiner 團隊推出 AI 2000榜單，旨在通過(guò) AMiner 學(xué)術(shù)數據在全球范圍內遴選過(guò)去十年間，人工智能學(xué)科最有影響力、最具活力的頂級學(xué)者，贊揚他們對于人工智能研究領(lǐng)域的卓越貢獻，劉元瑋博士，由于其在人工智能+通信與物聯(lián)網(wǎng)領(lǐng)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(xué)術(shù)專(zhuān)訪(fǎng)，以下為專(zhuān)訪(fǎng)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(xué)（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(zhì)的青年學(xué)者。
在“AI+通信”的研究領(lǐng)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(wú)人機通信以及機器學(xué)習等領(lǐng)域發(fā)表了近 200 篇高質(zhì)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(xué)術(shù)統計，其所有論文的總被引次數已達到 1.3 萬(wàn)余次，獲評 2021 年科睿唯安全球高被引科學(xué)家全球高被引研究者，IEEE 車(chē)載技術(shù)學(xué)會(huì )杰出講師。由于其在物聯(lián)網(wǎng)領(lǐng)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(xué)的經(jīng)歷、研究的感悟，以及在學(xué)生培養方面的心得。
求學(xué)英倫，乘風(fēng)破浪
2013 年，劉元瑋告別了母校北京郵電大學(xué)，來(lái)到了位于倫敦的瑪麗女王大學(xué)，攻讀博士學(xué)位。在博士生涯初期，他也經(jīng)歷過(guò)短暫的迷茫，嘗試過(guò)許多研究方向。
直到 2014 年，在蘭卡斯特大學(xué)訪(fǎng)問(wèn)期間，他遇到了自己求學(xué)路上的一位重要的“領(lǐng)路人”——Zhiguo Ding 教授。
從那時(shí)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(shù)，并一直鉆研至今。在研究熱點(diǎn)風(fēng)云變幻的信息科學(xué)領(lǐng)域，一名研究者能夠在求學(xué)初期找到能夠為之奮斗十年的研究課題，實(shí)屬一件幸事。
在他看來(lái)，Zhiguo Ding 教授對他的最大影響莫過(guò)于向他傳授了“快樂(lè )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(xué)術(shù)生涯中的另一座“燈塔”——南安普頓大學(xué)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(jià)。Lajos Hanzo 教授在學(xué)術(shù)寫(xiě)作上給予了他極大的幫助和指導。時(shí)至今日，他還會(huì )時(shí)常拿出當年保存的 Hanzo 教授的手稿，來(lái)回味學(xué)習。
回首一路走來(lái)的研究之路，他總結道：開(kāi)展某個(gè)方向的工作需要“天時(shí)、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(huì )貫通
近年來(lái)，人工智能技術(shù)（AI）在計算機視覺(jué)（CV）等領(lǐng)域的應用取得了突飛猛進(jìn)的發(fā)展。目前，在人工智能領(lǐng)域中，美英等國仍然處于優(yōu)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(lián)網(wǎng)巨頭，以及三星、華為、高通等傳統的通信公司都對 AI 技術(shù)研發(fā)有所布局。一些新的 AI 獨角獸企業(yè)也紛紛開(kāi)始嶄露頭角。
倫敦瑪麗女王大學(xué)在 CV 領(lǐng)域也做出了許多重要的工作。受到來(lái)自世界各地研究者的啟發(fā)，劉元瑋萌生了將 AI 與通信技術(shù)相結合的想法。
2016 年前后，他開(kāi)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(chǎng)景。之后，他又嘗試將 AI 應用于無(wú)人機通信、可重構智能超表面（Reconfigurable Intelligent Surface，RIS）輔助通信等場(chǎng)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(yōu)化的參數和系統指標非常多，系統關(guān)切的指標會(huì )隨著(zhù)場(chǎng)景、用戶(hù)的改變而變化。而 AI 技術(shù)可以同時(shí)優(yōu)化多項參數，并且針對具體場(chǎng)景、結合用戶(hù)的行為規律進(jìn)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(chǎng)景的快速變化，基于 AI 的通信系統將更適用于車(chē)聯(lián)網(wǎng)、高鐵通信、室內通信等新場(chǎng)景。
通信系統的智能化是目前學(xué)術(shù)界和工業(yè)界普遍看好的大趨勢。然而，AI in 6G 的研發(fā)也面臨重重的挑戰，例如：
（1）通信系統中的用戶(hù)調度，資源分配等問(wèn)題要求我們設計高維離散優(yōu)化方法；
（2）對于深度學(xué)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(shí)效性、一致性、以及訓練復雜度。相比于深度學(xué)習，深度強化學(xué)習對數據的依賴(lài)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(yōu)化變量較多，且通信系統對算法和決策的時(shí)延非常敏感，AI 算法的處理速度可能難以應對用戶(hù)對實(shí)時(shí)性的要求；
（4）統一的測試環(huán)境和指標。AI+6G 的研究缺乏像 CV、NLP 等領(lǐng)域中的標準化測試環(huán)境。
為了促進(jìn)該領(lǐng)域的發(fā)展，劉元瑋團隊正基于 OpenAI 的標準化 API 構建深度強化學(xué)習環(huán)境，平臺將在不久的將來(lái)開(kāi)源共享。
目前，他們正大力推進(jìn)以下兩個(gè)方面的研究：（1）AI for NGMA（Next Generation Multiple Access），即通過(guò) AI 技術(shù)滿(mǎn)足無(wú)線(xiàn)通信場(chǎng)景下的一些需求；（2）NGMA for AI，即通過(guò)資源分配等設計，滿(mǎn)足分布式人工智能計算對于時(shí)延等指標的要求。
笑對疫情，探索 STAR
“在新冠肺炎疫情爆發(fā)之初，倫敦很快就進(jìn)入了封城狀態(tài)，學(xué)校、餐廳等公共設施普遍都被封閉了起來(lái)，人們的生活一時(shí)間慢了下來(lái)。” 回憶起那段經(jīng)歷，劉元瑋感慨萬(wàn)千。
起初，他的工作受到了相當程度的影響，由于在家會(huì )受到一些生活瑣事的干擾，很難保持亢奮的工作狀態(tài)，工作效率直線(xiàn)下降。面對這種情況，他及時(shí)做出了調整，強迫自己將工作和生活分開(kāi)，通過(guò)出門(mén)散步調整心態(tài)。
漸漸地，他發(fā)現從另一個(gè)角度來(lái)看，疫情之后的工作模式也產(chǎn)生了一些積極的變化。對于教職人員來(lái)說(shuō)，原先的一些招生、開(kāi)會(huì )、作報告、社交等雜事占用的時(shí)間變少了，反而留給研究的時(shí)間變多了，每天都有時(shí)間可以打開(kāi) arxiv 跟進(jìn)最新的研究進(jìn)展。也正是在此時(shí)，他可以查閱大量文獻，著(zhù)手大力推進(jìn) STAR 項目，靜下心來(lái)研究電磁、物理、麥克斯韋方程組，對研究中的“硬骨頭”發(fā)起攻關(guān)。
6G 通信的無(wú)線(xiàn)接入部分被廣泛認為需要在原理和范式上取得革命性進(jìn)步。在諸多候選技術(shù)中，RIS 及其營(yíng)造的智能電磁環(huán)境獲得了大量專(zhuān)家學(xué)者的青睞。簡(jiǎn)而言之，在傳統觀(guān)念中，電磁波等無(wú)線(xiàn)信號的傳播環(huán)境被認為是不可控的。幸而，RIS 技術(shù)的出現使得我們可以在無(wú)線(xiàn)信號傳播的路徑中實(shí)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(fā)，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(shí)現上，劉元瑋團隊考慮使用“塊陣列“和“超材料”兩種方法實(shí)現 STARS。
就 STARS 的控制而言，STARS 需要同時(shí)考慮每個(gè)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(gè) STARS 陣元需要具備獨立可調的表面電、磁阻抗，這樣，每個(gè)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(chǎn)生的反射和透射信號的幅值與相位，對無(wú)線(xiàn)信號的傳播環(huán)境進(jìn)行“人工配置”。
然而，由于用戶(hù)的移動(dòng)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(hù)分布智能地控制 STARS 成為了決定系統性能優(yōu)劣的重要因素。針對這一問(wèn)題，劉元瑋團隊提出了多種基于機器學(xué)習算法（強化學(xué)習、深度學(xué)習、元學(xué)習等）的智能控制方案。
之所以選擇使用強化學(xué)習技術(shù)進(jìn)行 STAR 的智能控制，是因為強化學(xué)習對于訓練集的依賴(lài)程度較低，天然地適用于通信系統中的決策與控制問(wèn)題。為此，劉元瑋團隊設計了兩種方案：
（1）在多個(gè)基站進(jìn)行采樣，制作數據集，訓練強化學(xué)習智能體；
（2）每一個(gè)智能體周?chē)膫鞑キh(huán)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(xué)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(shí)延等。在設計強化學(xué)習獎勵函數時(shí)，需要根據具體場(chǎng)景進(jìn)行分析，確定各指標的系數，在保證有效性的同時(shí)，使優(yōu)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(xué)習方案。通俗地講，元學(xué)習本質(zhì)上是教會(huì )機器如何學(xué)習。在基于元強化學(xué)習的通信場(chǎng)景下，不再需要針對單一的樣本來(lái)訓練智能體，而是需要通過(guò)遷移學(xué)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(guò)知識遷移降低訓練的時(shí)間和成本。
STARS 具有非常廣泛的應用場(chǎng)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(wǎng)絡(luò )，工業(yè)通信場(chǎng)景，室內/室外信號增強以及海上通信等諸多應用場(chǎng)景。例如：
（1）從室外到室內的信號連接是一個(gè)重要的通信問(wèn)題，通過(guò)把 STARS 安裝在窗戶(hù)上可以有效增強室外到室內信號的傳輸質(zhì)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(wù)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(wù)；
（3）STARS 還可以被用于增強通信的物理層安全，通過(guò)增強目標用戶(hù)和發(fā)射機之間的信道，可以允許發(fā)射機使用較小的發(fā)射功率，從而有效降低信號被非合作用戶(hù)竊聽(tīng)的風(fēng)險。
6G 與后疫情時(shí)代
在后疫情時(shí)代，網(wǎng)絡(luò )通信技術(shù)的重要性更加凸顯了出來(lái)，越來(lái)越復雜的網(wǎng)絡(luò )交互場(chǎng)景對 6G 技術(shù)的發(fā)展提出了要求。以學(xué)術(shù)交流為例，越來(lái)越多的報告、演講、授課活動(dòng)，甚至學(xué)術(shù)會(huì )議都以 Zoom、騰訊會(huì )議等形式進(jìn)行，從線(xiàn)下物理空間走向了線(xiàn)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(yè)而言，6G 、數字孿生、通感一體化等技術(shù)將推動(dòng)值回病房、家庭醫生問(wèn)診、數字病房、數字床位等概念的落地。未來(lái)，數字醫療領(lǐng)域將會(huì )呈現井噴式的增長(cháng)。
值得一提的是，跨學(xué)科交叉研究對來(lái)自不同學(xué)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(guò)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(jìn)對各自領(lǐng)域的熟悉程度，互利共贏(yíng)。
質(zhì)效兼備，科研人員成長(cháng)三部曲
相較于 CV、NLP 等較為成熟的領(lǐng)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(huì )消耗大量時(shí)間。如何在學(xué)術(shù)成果的產(chǎn)出數量與質(zhì)量取得平衡成為了許多 AI 研究者必須面對的問(wèn)題。
在劉元瑋看來(lái)，研究的數量和質(zhì)量之前確實(shí)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(chuàng )新性和質(zhì)量更加重要。他對于博士生的培養一般分為以下三個(gè)階段：
（1）基礎訓練（博士第 1 年)：在開(kāi)始階段，由于博士新生缺乏對整個(gè)領(lǐng)域的了解，他會(huì )將系統模型親自交給學(xué)生設計，讓學(xué)生在模型實(shí)現、論文寫(xiě)作、應對同行評審、論文修改還的實(shí)踐中學(xué)習知識，獲得正反饋，享受研究的過(guò)程，培養研究的興趣。
（2）科研進(jìn)階（博士第 2-3 年）：當學(xué)生積累一定的經(jīng)驗后，開(kāi)始嘗試沿著(zhù)導師給出的大方向自己尋找課題、構建模型。他在這個(gè)階段通過(guò)密集的討論幫助學(xué)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(shí)，他會(huì )根據學(xué)生的強項為其指出具體的攻關(guān)方向（比如理論推導、工程應用、數值優(yōu)化），做到因材施教。在這個(gè)過(guò)程中，他會(huì )幫助學(xué)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(xué)生在某些方面的技能已經(jīng)成熟甚至開(kāi)始超越老師，成為了合格的科研助手，幫助導師實(shí)現宏偉的研究構想。這時(shí)，他的學(xué)生已經(jīng)可以幫助他將其“天馬行空”的想法落地。
精品論文-有三個(gè)特質(zhì)
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(gè)特質(zhì)：
（1）選題簡(jiǎn)潔而明確。2016 年，他發(fā)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(huán)形模型，十分簡(jiǎn)潔明了。該模型是一項基礎性的研究，隨后被 NOMA、UAV認知無(wú)線(xiàn)電等領(lǐng)域的工作大量引用。
（2）具有較大的數學(xué)貢獻。他于 2017 年發(fā)在 IEEE TWC 上發(fā)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(lái)了一種新的數學(xué)分布，可以被應用于 NOMA、物理層安全等多個(gè)領(lǐng)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(xué)院院士 Lajos Hanzo 合著(zhù)了一篇題為 Nonorthogonal Multiple Access for 5G and Beyond 的論文，該論文被發(fā)表在 Proceeding of IEEE 上。論文撰寫(xiě)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(shù)品仔細雕琢，達到了娓娓道來(lái)的效果。
快樂(lè )科研，高效比勤奮更重要
劉元瑋一直對自己的學(xué)生倡導“快樂(lè )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(mǎn)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(ài)好，比如健身、跑步、藝術(shù)鑒賞。體育運動(dòng)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(yè)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(xué)術(shù)會(huì )議，感受到自己融入科研大家庭的溫暖與樂(lè )趣，與同行們交換意見(jiàn)，取長(cháng)補短。“如果你在一個(gè)地方呆得太久，可能會(huì )忘記時(shí)間”。
“我們要多與他人交流，認清差距和優(yōu)勢，不能閉門(mén)造車(chē)。對于研究而言，高效比勤奮更重要。” 他有一個(gè)習慣——在上班的地鐵上回復郵件，然后在工作時(shí)間內聚精會(huì )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(jìn)行半小時(shí)的“一對一”討論，掌握學(xué)生的研究進(jìn)度，為學(xué)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(jué)融合等，歡迎有志于“AI+通信”的學(xué)子踴躍申請。詳情查看他的個(gè)人主頁(yè)（http://www.eecs.qmul.ac.uk/~yuanwei/）。
天坦動(dòng)態(tài)
