儒雅、谦和、自信、真诚。

儒雅、谦和、自信、真诚。目前任职于英国伦敦玛丽女王大学的刘元玮老师正是一位朝气蓬勃又散发出英伦绅士气质的青年科学家。在「AI+通信」的研究领域中，刘元玮老师是一颗冉冉升起的明日之星。

至今，刘元玮老师已在非正交多址接入、可重构智能表面、无人及通信和机器学习等领域发表了近 200 篇高质量论文，其中包括多篇 ESI 高被引论文和 IEEE ComSoc 最佳论文。据统计，刘元玮老师的总论文被引次数超过了 12,000次。由于其在物联网领域做出的杰出贡献，刘元玮老师荣膺由 AMiner 评选的 2022 AI 2000 最具影响力学者。

2022 年 7 月 4 日，刘元玮老师接受了我们的采访，介绍了其代表性工作《AI Enabled Simultaneously Transmitting And Reflecting Surface (STARS) for 360° Coverage》，分享了他的求学的经历、研究的感悟，以及在学生培养方面的心得。

求学英伦，乘风破浪

回首一路走来的研究之路，刘元玮老师感慨道：开展某个方向的工作需要「天时、地利、人和」的条件，具有足够的精力，储备足够成熟的研究技能。

2013 年，刘元玮老师阔别了母校北京邮电大学，来到了位于伦敦的 Queen Mary 大学攻读博士学位。读博初期，刘元玮老师也经历过短暂的迷茫，尝试过许多的研究方向。

直到 2014 年，刘元玮老师前往兰卡斯特大学访问。在那里，他遇到了自己求学路上的第一位「贵人」——丁志国教授。那时起，刘元玮老师将自己的研究方向锚定为非正交多址技术（NOMA），并一直研究至今。在研究热点风云变幻的信息科学领域，一名研究者能够在求学初期找到能够为之奋斗十年的研究课题，实属一大幸事。除此之外，丁志国教授对刘元玮老师最大的影响莫过于向他灌输了「快乐科研」的思想，即享受科研、相信自己、为自己的研究成果而自豪。

2015 年，刘元玮老师结实了自己学术生涯中的「灯塔」——南安普顿大学教授、英国皇家科学院院士 Lajos Hanzo。「生活中温文尔雅、平易近人，工作上一丝不苟、认真负责」这是刘元玮老师对 Hanzo 教授的评价。Hanzo 教授在学术写作上给予了刘元玮教授极大的帮助和指导。时至今日，刘元玮教授还会时不时拿出当年保存的 Hanzo 教授的手稿回味学习。

拥抱 AI，融会贯通

在刘元玮老师攻读博士学位期间，人工智能技术在计算机视觉等领域（CV）的应用取得了突飞猛进的发展。目前，在人工智能领域中，美英等国仍然处于优势地位，中国的研究者也正迎头赶上。除了高校，国外的「FLAG」、国内的「BAT」等互联网巨头，三星、华为、高通等传统的通信公司都对 AI 技术研发有所布局。一些新的 AI 独角兽企业也纷纷开始崭露头角。

Queen Mary 大学在 CV 领域也做出了许多重要的工作。受到身边同学的启发，刘元玮老师萌生了将 AI 与通信技术相结合的想法。

2016 年前后，刘元玮老师开始了博士后阶段的工作。在此期间，他首先尝试将 AI 用于自己熟悉的非正交频分多址（NOMA）场景。接着，他又尝试将 AI 应用于 UAV（unmanned aerial vehicle）、STAR（Simultaneously Transmitting And Reflecting Surface） 等场景下。

之所以从事 AI in 6G 方面的研究，是因为现代通信系统需要优化的参数和系统指标非常多，系统关切的指标会随着场景、用户的改变而变化。而 AI 技术可以同时优化多项参数，并且针对具体场景、结合用户的行为规律进行预测，最终做出智能决策。相较于传统算法能搞好地适应场景的快速变化，基于 AI 的 6G 技术更适用于车联网、高铁通信、室内通信等新场景。

通信系统的智能化是目前学术界和工业界普遍看好的大趋势。然而，AI in 6G 的研发也面临重重的挑战，例如（1）通信系统中的用户调度，资源分配问题要求我们设计更好的高维离散化方法（2）时序数据集合的获取和构建，需要考虑数据的动态性、兼容性、复杂度。通信系统自身的复杂度较高，且对时延敏感，AI算法的处理速度可能难以应对环境的实时变化。强化学习可以处理长时间跨度的问题，对数据的依赖程度较低，是一种较好的解决方案。（3）统一的评测任务。AI+6G 的研究缺乏像 CV、NLP 等领域中的标准化测试环境。为了促进该领域的发展，刘元玮博士团队正基于 OpenAI 的标准化 API 构建深度强化学习环境，平台将在未来开源。

目前，刘元玮老师团队正大力推进以下两个方面的研究：（1）AI for NGMA（Next Generation Multiple Access）。通过 AI 技术满足无线通信场景下的一些需求。（2）NGMA for AI。通过资源分配等设计，满足分布式计算对于时延等指标的要求。

笑对疫情，终成「STAR」

如今，英国社会对受疫情的影响已经较低，人们的工作和生活慢慢回到了正常的轨道上。

在新冠疫情爆发之初，伦敦很快就进入了封城状态，学校、餐厅等公共设施普遍都被封闭了起来，人们的生活一时间慢了下来。回忆起那段经历，刘元玮老师感慨万千。

起初，他的工作受到了相当程度的影响，由于在家会受到一些生活琐事的干扰，很难保持「亢奋」的工作状态，工作效率直线下降。面对这种情况，刘元玮老师及时做出了调整，强迫自己将工作和生活分开，通过出门散步调整心态。

渐渐地，刘老师发现从另一个角度来看，疫情之后的工作模式也产生了一些积极的变化。对于教职人员来说，原先的一些招生、开会、作报告、社交等杂事占用的时间变少了，留给研究的时间变多了，每天都有时间可以打开 arxiv 跟进最新的研究进展。也正是在此时，刘元玮老师大量查阅文献，着手大力推进 STAR 项目。他可以静下心来研究电磁、物理、麦克斯韦方程组，对研究中的「硬骨头」发起攻关。

6G 通信的无线接入部分被广泛认为需要在原理和范式上取得革命性进步。在诸多候选技术中，可重构智能超表面（Reconfigurable Intelligent Surface, RIS）及其营造的智能电磁环境获得了大量专家学者的青睐。简而言之，在以往的通信环境中，电磁波等无线信号是不可控的。STAR 技术可以在空气中实现对电磁波的控制。

具体来说，为了支持每个单元反射、折射系数的同时调节，STARS需要支持比反射式RIS更多的调节自由度。STARS需要具备独立可调的表面电、磁阻抗，这样，每个单元中的面电流强度（对应电阻抗）和涡旋电流强度（对应磁阻抗）才可以被动态的调节，从而控制其产生的反射和透射信号的幅值与相位，对无线信号的传播进行“人工配置”。在硬件层面的实现上，刘元玮老师团队考虑使用「块阵列」和「超材料」两种方法实现 STAR。

如何智能地根据当前的自然传播条件和用户分布智能地控制 STARS 是决定系统性能优劣的重要因素。针对该问题，刘元玮老师团队提出了多种基于机器学习算法（强化学习、元学习等）的智能控制方案。

元学习即「Learniung to learn」，本质上是教会机器如何学习。在基于元强化学习的 6G 场景下，我们不再针对单一的样本来训练智能体，而是需要通过迁移学习在通信系统中训练具有普适性的智能体。在通信系统中，一些基站之间存在很大的相似性，我们可以通过知识迁移降低训练成本。

刘元玮老师之所以选择使用强化学习技术进行 STAR 的智能控制，是因为强化学习对于数据的以来程度较低，天然地适用于通信系统中的决策与控制问题。为此，刘元玮老师团队设计了两种方案：（1）在多个基站进行采样，制作数据集，训练强化学习智能体（2）每一个智能体周围的传播环境较为稳定，使用自己基站的历史数据训练。

奖励函数是强化学习的「指挥棒」，设计奖励函数需要考虑的衡量通信系统性能的指标很多，例如：速率、能量效率、时延等。在设计强化学习奖励函数时，需要根据具体场景进行分析，确定各指标的系数，在保证有效性的同时，使优化难度可接受，训练可收敛。

STAR 具有非常广泛的应用场景。例如：（1）隧道中的通信信号往往较差，通过 STAR 技术，我们可以在隧道的拐弯处或者信号不好的地方增强信号。（2）从室外到室内的信号连接是一个重要的通信问题，通过把 STAR 铺在窗户上可以有效增强室内外信号的传输质量。（3）在感知定位成像任务中，STAR 可以将 WiFI 等低维信号转化为高微信号，实现通信感知一体化，完成人体骨架识别等任务。在具体的实现过程中，为了获取训练数据的监督信号，刘元玮老师利用计算机视觉算法获取人体骨架的关节点信息，再设计损失函数使无线信号预测的骨架信息与计算机视觉算法的预测结果对应起来。（4）STAR 等通感一体化技术可以被用于实现数字孪生，在智慧病房等场景下具有极高的应用价值。例如，我们可以将病房的窗户都换成 STAR 面板，大大提升数据的维度，增强对环境的感知能力，实现无感检测。该技术可以提升医疗效率，使患者足不出户就可以接受医生的问诊。

6G 与后疫情时代

在后疫情时代，网络通信技术的重要性更加凸显了出来，越来越复杂的网络交互场景对 6G 技术的发展提出了要求。以学术交流为例，越来越多的报告、演讲、授课活动，甚至学术会议都以 Zoom、腾讯会议等形式进行，从线下物理空间走向了线上空间，提高了交流的效率，拓宽了知识传播的受众，使沟通的渠道更加畅通。

此外，就医疗行业而言 6G 、数字孪生、通感一体化等技术将推动值回病房、家庭医生问诊、数字病房、数字床位等概念的落地。未来，数字医疗领域将会呈现井喷式的增长。

值得一提的是，跨学科交叉研究对来自不同学科背景的研究人员的合作效率提出了很高的要求。以 IT+医疗为例，刘元玮教授指出：在与医疗机构的合作伙伴合作的过程中，需要以具体的工作为载体，让研究机构和医疗机构的合作者在工作中增进对各自领域的熟悉程度，互利共赢。

质效兼备，科研人员成长三部曲

相较于CV、NLP等较为成熟的领域，AI in 6G 的研究往往具有更大的突破性意义，然而数据积累、平台建设、系统构建等工作又即为繁琐。如何在学术成果的产出数量与质量取得平衡成为了许多 AI 研究者必须面对的问题。

在刘元玮老师看来，研究的数量和质量之前确实存在一些矛盾，但是二者并非完全对立，在某种程度上是可以兼顾的。但相对而言文章的创新性和质量更加重要。

英国对科研人员的考核较为灵活。科研机构不会给研究者设定具体的研究方向，对论文产出的数量也没有具体要求。例如，英国的研究生毕业并不一定要发表论文，但是这并不代表他们可以很容易地毕业，因为想要得到评审委员会的认可是十分困难的，研究者的研究经历和贡献必须足以打动他们。这种贡献可以是基础理论研究方面的贡献，也可以是工程应用方面的贡献。相较而言，基础理论研究是「硬骨头」，其科学贡献往往更大，但研究失败的风险也更高，这类课题一般由较为资深的研究者来承担。

刚开始研究之路的博士生应该从较为容易的工作上手，逐步经历以下三个阶段的成长，最终成为某一领域的专家：

（1）基础训练：老师将系统模型传授给学生，让学生在模型实现、论文写作、应对同行评审、论文修改还的实践中学习知识、获得正反馈，享受研究的过程，培养研究的兴趣。

（2）科研进阶：学生积累一定的经验后，开始尝试沿着导师给出的大方向自己寻找课题、构建模型。老师则需要通过密集的讨论帮助学生分辨出具有研究前景的课题和模型，打磨出「Clean & Tidy」的研究思路。此时，老师可以根据学生的强项为其指出具体的攻关方向（例如，理论推导、工程应用、数值优化），做到因材施教。在这个过程中，学生将学会如何将天马行空的想法落地。

（3）独顶大梁：学生在某些方面的技能甚至已经开始超过老师，成为了合格的科研助手，帮助导师实现宏伟的研究构想。例如，在 STAR 技术的研发过程中，刘元玮老师受 RIS 技术的启发，在 STAR 技术中同时考虑入射波的反射与透射，并根据现有的权威期刊上发表的论文验证了该思路的可行性。学生就可以从电磁、材料、优化、AI 等方面入手，帮助老师将 STAR 的构想落地。这一过程可能较为漫长，但是最终的科研成果将对社会进步做出较大的贡献。

精品论文？有三个特质

作为多篇 ESI 高被引论文的走着，刘元玮老师认为，精品论文往往具备三个特质：（1）选题简洁而明确。2016 年，刘元玮老师发表了自己第一篇 IEEE JSAC 论文「Cooperative Non-orthogonal Multiple Access With Simultaneous Wireless Information and Power Transfer」，该论文目前引用量已达到841。在该论文中，刘元玮老师基于随机几何理论提出了一种环形模型，十分简洁明了。该模型是一项基础性的研究，随后被 NOMA、UAV、随机几何等领域的工作大量引用。（2）具有较大的数学贡献。刘元玮老师于 2016 年发在 IEEE TWC 上发表了一篇题为「Wireless Energy Harvesting in a Cognitive Relay Network」的论文。其中，刘元玮老师推导出来了一种新的数学分布，可以被应用于 NOMA、UAV、AI、材料、控制等多个领域，具有很强的普适性。（3）文章叙述与表达精辟。xxx年，刘元玮老师与英国皇家科学院院士 Lajos Hanzo 合著了一篇题为「Nonorthogonal Multiple Access for 5G and Beyond」的论文，该论文被发表在 Peoceeding of IEEE 上。论文撰写期间，Hanzo 院士花费了大量精力修改论文引言部分，将其视为艺术品仔细雕琢，达到了娓娓道来的效果。

「快乐科研」，高效比勤奋更重要

刘元玮老师一直对自己的学生倡导「快乐科研」的理念。他认为，研究者应该对研究感兴趣、对自己的研究充满信心，最终为自己的研究而自豪。

为了释放压力，研究者们可以培养自己的一些兴趣爱好，例如：健身、跑步、艺术鉴赏。体育运动可以让研究者拥有健康的体魄，这对于可持续的科研工作十分重要。在伦敦这样的大都市里，公园、剧院、博物馆等公共设施可以为研究者们提供丰富的业余生活，做到劳逸结合。

此外，积极融入研究社区也是十分重要的。研究者们应该多参加学术会议，感受到自己融入科研大家庭的温暖与乐趣，与同行们交换意见，取长补短。「如果你在一个地方呆得太久，可能会忘记时间」。

我们要多与他人交流，认清差距和优势，不能闭门造车。对于研究而言，高效比勤奋更重要。刘元玮老师有一个习惯——在上班的地铁上回复邮件，然后在工作时间内聚精会神，不被打断，保持高效率。成熟的研究者要学会合理安排自己的时间，尽量将每项工作在规定的时间内完成。此外，刘老师还坚持每周会与自己的每位博士生进行半小时的「一对一」讨论，掌握学生的研究进度，为学生提供指导建议，帮助其提升研究的效率。

注：刘元玮老师将在每年的 9、10 月份至第二年的 1 月份招收博士、硕士研究生。欢迎有志于 AI+通信的学子踊跃申请。