研究兴趣

      信息热力学首次阐明了信息在热力学中的作用与性质：信息是一种热力学燃料，不可逆的信息操作会带来不可避免的能量耗散。对于能量受限的通信系统， 信息热力学在通信技术中的应用显得格外重要，并为优化通信系统能效提供了全新的思路。原理上，基于信息热力学的通信能效优化可以带来数量级上的能耗降低。

      2020 年ITU、GSMA 等国际组织号召全球ICT产业到2030 年将碳排放降低45%，由于目前的能源结构，基站高能耗必然会导致高碳排，但是太阳能、风能、生物质能等清洁新能源的蓬勃发展给我们带来了“高能耗不一定意味着高碳排”的答案。但是可再生能源发电具有波动性、间歇性与不可预测性以及能流密度低等缺点，蜂窝网络中的基站能耗又与负载等因素实时相关，具有随机性。这使得可再生能源发电量与基站能耗难以匹配，导致新能源利用率低。如何减少基站的碳排放，并保证基站的性能，这是一个既涉及能源网，又涉及信息网的挑战。

     元宇宙服务具备资源密集型的特点，其对频谱、存储以及计算资源的需求的增长会引发越来越多的环境问题。除此之外，可穿戴设备是资源受限的，且其通信和计算能力可能是高度异构的。因此针对元宇宙服务中用户产生内容的传播以及计算问题，利用具有时空相关性的异构元宇宙设备之间的协作，研究针对资源有限的元宇宙环境的节能共识协议， 解决由于设备的通信和计算能力异构性而造成的资源利用率下降，能耗增长的问题。实现节能、绿色以及可持续发展的元宇宙生态。

     在无线通信中，物联网（IoT）设备产生的大量数据可以在网络边缘得到处理和分析。然而，移动边缘计算（MEC）系统通常只有有限的虚拟资源， 这些资源被物联网边缘应用所共享和竞争。因此，为了提高资源的利用效率，在物联网边缘计算系统急需提出一个资源分配策略。基于当前先进的AI技术，我们采用深度强化学习（DRL）的方法来解决这个问题，目标是使用户任务的平均完成时间和请求资源的平均数量的长期加权和最小化。MEC系统中的资源分配问题被表述为一个马尔可夫决策过程（MDP）。

     传统以太网用“尽力而为”的方式传输数据，只能将端到端的时延减少到几十毫秒。但许多的新兴业务，例如智能驾驶、VR游戏等，需要将端到端时延控制在微秒到几毫秒级，将可靠性控制在99.9999%以上。因此，迫切需要建立一种可提供“准时、准确”数据传输服务质量的新一代网络。确定性Wi-Fi旨在提供实时数据传输，保证确定的通信 服务质量，如超低上界的时延、抖动、丢包率，上下界可控的带宽，以及超高下界的可靠性，以满足新兴系统的高质量通信需求。

     最优运输理论（optimal transport）是研究概率分布映射原理的数学理论，旨在寻找一个最优运输映射实现两个分布之间的最小距离。最优运输理论的应用范围广泛，包括图像处理、机器学习、生物信息学、通信系统、网络等。在通信系统中，最优运输理论可以用于提高通信系统的性能，例如提高通信系统的容量、提高通信系统的可靠性、提高通信系统的安全性等。在本课题中，我们将基于最优运输理论研究信息传输的本质以及网络资源优化问题。

     毫米波通信技术与大规模MIMO技术是5G移动通信系统实现高速率传输的关键技术。中国铁塔分析，5G单个基站功耗是4G单个基站能耗的2.5~4倍，因此节约能耗、提升能效应该被当成研究的重点。混合预编码能够降低毫米波大规模MIMO系统射频链路功耗和成本。但是多数研究是以提高频谱效率作为优化目标来设计混合预编码，而基站对能效优化的研究较紧缺。