报告主题：5G网络测量与学习建模 

报 告 人：叶玮

报告时间：2024年6月18日 上午10:00-11:00

报告地址：计算机大楼D305

报告摘要：

商用5G网络正对各行各业产生革命性的影响，因此吸引了广大研究人员的兴趣：当前商用5G网络有哪些创新特性？新一代移动应用（例如虚拟现实/增强现实和无人驾驶）又该如何充分利用这些特性？人工智能（尤其是深度学习）又如何提高其建设效率和服务质量？

 本报告将介绍我们在5G接入网吞吐量测量方面的代表性成果，包括以下两个方面：

1. 我们将介绍载波聚合技术（Carrier Aggregation, CA）在5G性能分析和预测中带来的挑战，并探讨其对用户体验质量（QoE）的影响。通过结合领域知识和测量结果，我们提出并开发了一种新型的感知CA的深度学习框架。该框架明确阐述了CA所引入的复杂性，从而能够更有效地预测5G网络的吞吐量性能。

2. 我们目前正在开展的数字孪生项目(Digital Twin)，它利用相机和LiDAR等传感器捕捉并重构现实中的3D环境。通过使用机器学习和最新的英伟达(NVIDIA)软硬件，我们能够将这些数据进行数字化重构。在重构的3D数字孪生中，我们将应用光线追踪技术，以辅助6G网络的建设，并提高下游应用任务的效率。

报告人简介：

叶玮，美国明尼苏达大学博士研究生，由Zhi-Li Zhang教授指导。主要从事微分几何，图神经网络，下一代移动接入网(NextG)等方面的研究。叶玮也是美国新泽西贝尔实验室的网络研究小组科研实习生。