2022 年 1 月，AMiner 團隊推出 AI 2000榜單，旨在通過 AMiner 學術(shù)數(shù)據(jù)在全球范圍內(nèi)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(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團隊的學術(shù)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(zhì)的青年學者。
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(gòu)智能表面、無人機通信以及機器學習等領(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(jù)谷歌學術(shù)統(tǒng)計，其所有論文的總被引次數(shù)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(shù)學會杰出講師。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，并分享了他的求學的經(jīng)歷、研究的感悟，以及在學生培養(yǎng)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(jīng)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(lǐng)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(shù)，并一直鉆研至今。在研究熱點風云變幻的信息科學領(lǐng)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(jié)識了自己學術(shù)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(shù)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(jié)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(shù)（AI）在計算機視覺（CV）等領(lǐng)域的應(yīng)用取得了突飛猛進的發(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(nèi)的 BAT 等互聯(lián)網(wǎng)巨頭，以及三星、華為、高通等傳統(tǒng)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)也紛紛開始嶄露頭角。
倫敦瑪麗女王大學在 CV 領(lǐng)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(fā)，劉元瑋萌生了將 AI 與通信技術(shù)相結(jié)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(yīng)用于無人機通信、可重構(gòu)智能超表面（Reconfigurable Intelligent Surface，RIS）輔助通信等場景下。
之所以持續(xù)從事 AI in 6G 方面的研究，是因為現(xiàn)代通信系統(tǒng)需要優(yōu)化的參數(shù)和系統(tǒng)指標非常多，系統(tǒng)關(guān)切的指標會隨著場景、用戶的改變而變化。而 AI 技術(shù)可以同時優(yōu)化多項參數(shù)，并且針對具體場景、結(jié)合用戶的行為規(guī)律進行預(yù)測，最終做出智能決策。相較于傳統(tǒng)算法能搞好地適應(yīng)場景的快速變化，基于 AI 的通信系統(tǒng)將更適用于車聯(lián)網(wǎng)、高鐵通信、室內(nèi)通信等新場景。
通信系統(tǒng)的智能化是目前學術(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(zhàn)，例如：
（1）通信系統(tǒng)中的用戶調(diào)度，資源分配等問題要求我們設(shè)計高維離散優(yōu)化方法；
（2）對于深度學習在通信中的應(yīng)用，訓練和測試數(shù)據(jù)集合的獲取和構(gòu)建也成為了一大挑戰(zhàn)，需要考慮數(shù)據(jù)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(shù)據(jù)的依賴程度較低，是一種適合在通信系統(tǒng)中應(yīng)用的解決方案；
（3）由于通信系統(tǒng)自身的復雜度較高，待優(yōu)化變量較多，且通信系統(tǒng)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(yīng)對用戶對實時性的要求；
（4）統(tǒng)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。
為了促進該領(lǐng)域的發(fā)展，劉元瑋團隊正基于 OpenAI 的標準化 API 構(gòu)建深度強化學習環(huán)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(shù)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(shè)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(fā)之初，倫敦很快就進入了封城狀態(tài)，學校、餐廳等公共設(shè)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(jīng)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(tài)，工作效率直線下降。面對這種情況，他及時做出了調(diào)整，強迫自己將工作和生活分開，通過出門散步調(diào)整心態(tài)。
漸漸地，他發(fā)現(xiàn)從另一個角度來看，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(fā)起攻關(guān)。
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(shù)中，RIS 及其營造的智能電磁環(huán)境獲得了大量專家學者的青睞。簡而言之，在傳統(tǒng)觀念中，電磁波等無線信號的傳播環(huán)境被認為是不可控的。幸而，RIS 技術(shù)的出現(xiàn)使得我們可以在無線信號傳播的路徑中實現(xiàn)對電磁波的控制。
然而，傳統(tǒng)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）。在硬件層面的實現(xiàn)上，劉元瑋團隊考慮使用“塊陣列“和“超材料”兩種方法實現(xiàn) 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(tǒng) RIS 更加復雜。每個 STARS 陣元需要具備獨立可調(diào)的表面電、磁阻抗，這樣，每個單元中的面電流強度（對應(yīng)電阻抗）和渦旋電流強度（對應(yīng)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，對無線信號的傳播環(huán)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(jù)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(tǒng)性能優(yōu)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(shù)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(tǒng)中的決策與控制問題。為此，劉元瑋團隊設(shè)計了兩種方案：
（1）在多個基站進行采樣，制作數(shù)據(jù)集，訓練強化學習智能體；
（2）每一個智能體周圍的傳播環(huán)境較為穩(wěn)定，使用自己基站的歷史數(shù)據(jù)訓練。
獎勵函數(shù)是強化學習的“指揮棒”，設(shè)計獎勵函數(shù)需要考慮的衡量通信系統(tǒng)性能的指標很多，比如速率、能量效率、時延等。在設(shè)計強化學習獎勵函數(shù)時，需要根據(jù)具體場景進行分析，確定各指標的系數(shù)，在保證有效性的同時，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習方案。通俗地講，元學習本質(zhì)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(tǒng)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(yīng)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(wǎng)絡(luò)，工業(yè)通信場景，室內(nèi)/室外信號增強以及海上通信等諸多應(yīng)用場景。例如：
（1）從室外到室內(nèi)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(nèi)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，通過增強目標用戶和發(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竊聽的風險。
6G 與后疫情時代
在后疫情時代，網(wǎng)絡(luò)通信技術(shù)的重要性更加凸顯了出來，越來越復雜的網(wǎng)絡(luò)交互場景對 6G 技術(shù)的發(fā)展提出了要求。以學術(shù)交流為例，越來越多的報告、演講、授課活動，甚至學術(shù)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(yī)療行業(yè)而言，6G 、數(shù)字孿生、通感一體化等技術(shù)將推動值回病房、家庭醫(yī)生問診、數(shù)字病房、數(shù)字床位等概念的落地。未來，數(shù)字醫(yī)療領(lǐng)域?qū)尸F(xiàn)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(yī)療為例，劉元瑋指出：在與醫(yī)療機構(gòu)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(gòu)和醫(yī)療機構(gòu)的合作者在工作中增進對各自領(lǐng)域的熟悉程度，互利共贏。
質(zhì)效兼?zhèn)?，科研人員成長三部曲
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(shù)據(jù)積累、平臺建設(shè)、系統(tǒng)構(gòu)建等工作紛繁冗雜，可能會消耗大量時間。如何在學術(shù)成果的產(chǎn)出數(shù)量與質(zhì)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(shù)量和質(zhì)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(chuàng)新性和質(zhì)量更加重要。他對于博士生的培養(yǎng)一般分為以下三個階段：
（1）基礎(chǔ)訓練（博士第 1 年)：在開始階段，由于博士新生缺乏對整個領(lǐng)域的了解，他會將系統(tǒng)模型親自交給學生設(shè)計，讓學生在模型實現(xiàn)、論文寫作、應(yīng)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(yǎng)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(jīng)驗后，開始嘗試沿著導師給出的大方向自己尋找課題、構(gòu)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(jù)學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(yīng)用、數(shù)值優(yōu)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(jīng)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(xiàn)宏偉的研究構(gòu)想。這時，他的學生已經(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 個特質(zhì)：
（1）選題簡潔而明確。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，十分簡潔明了。該模型是一項基礎(chǔ)性的研究，隨后被 NOMA、UAV認知無線電等領(lǐng)域的工作大量引用。
（2）具有較大的數(shù)學貢獻。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，劉元瑋推導出來了一種新的數(shù)學分布，可以被應(yīng)用于 NOMA、物理層安全等多個領(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(fā)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(shù)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(yīng)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(yǎng)自己的一些興趣愛好，比如健身、跑步、藝術(shù)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(xù)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(shè)施可以為研究者們提供豐富的業(yè)余生活，做到勞逸結(jié)合。
此外，積極融入研究社區(qū)也是十分重要的。研究者們應(yīng)該多參加學術(shù)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(yōu)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(nèi)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(gòu)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/）。
天坦動態(tài)
