Maskinlæring og trådløst: Den kommende professor hos Duke retter sig mod nye teknologier

Christ Richmond vil slutte sig til fakultetet ved Institut for Elektro- og Computerteknik ved Duke University fra den 1. januar 2022. Med årtiers erfaring med at designe og teste nye teknologier og algoritmer til at forbedre trådløse applikationer såsom radar og kommunikation, slutter Richmond sig til mangeårige kolleger på Duke i at anvende nye teknikker såsom maskinlæring til feltet.

Efter at have opnået en bachelorgrad i elektroteknik ved University of Maryland i College Park og i matematik ved Bowie State University, afsluttede Richmond master- og doktorgradsprogrammer ved Massachusetts Institute of Technology. I mere end to årtier arbejdede Richmond som seniormedarbejder hos Advanced Sensor Techniques Group på MIT Lincoln Laboratory, før han kom til fakultetet ved Arizona State University i 2017.

Gennem alt sit arbejde har Richmond rykket grænserne for, hvad moderne teknologi kan gøre med elektromagnetiske og akustiske bølger. Mens de fleste mennesker er mere fortrolige med spektret af elektromagnetiske bølger, som vi kan se - synligt lys - bruges andre frekvenser til en lang række formål såsom radio, radar, WiFi, Bluetooth, satellitkommunikation, mobiltelefoner, 5G-enheder og mere . Hvis det lyder som et overfyldt rum at lege i, er det fordi det er det.

"Tænk på det elektromagnetiske spektrum som en parkeringsplads og hvert af disse frekvensbånd som parkeringspladser," sagde Richmond. "Ligesom fast ejendom er visse steder mere attraktive end andre, og alle vil have de gode."

Agenturet, der bestemmer, hvem der får hvilke pladser, er Federal Communications Commission eller FCC. Ifølge Richmond har FCC historisk set reserveret de bedste pladser til militæret og til civile organisationer med vigtige mål, såsom atmosfærisk observation. Men for et par årtier siden blev en stor del af disse værdifulde frekvenser solgt til private virksomheder med løftet om, at forskere ville være i stand til at finde ud af, hvordan man kan gøre mere med mindre elektromagnetisk fast ejendom.

Spol frem til i dag, og Richmond er en af forskerne, der stadig bygger disse broer. Sammen med kolleger Robert Calderbank, Charles S. Sydnor Distinguished Professor of Computer Science og direktør for Information Initiative ved Duke, og Vahid Tarokh, Rhodes Family Professor of Electrical and Computer Engineering, Richmond arbejder på et forslag, der vil lade brugere af spektrum dele det samme frekvensbånd eller måske endda sameksistere samtidigt inden for det samme bånd (eller på sproget med biler og parkeringspladser, disse biler vil dele parkeringspladser eller måske endda parkere oven på hinanden).

"Vi skal finde ud af, hvordan vi får alle disse signaler til at danse sammen på en koordineret måde uden at træde på hinanden," sagde Richmond. "Dette kræver, at radaren taler med satellitsignalerne gennem computere og algoritmer. Men hvis vi kan få dem til at arbejde sammen som en forlængelse af hinanden, kan vi måske bare få dem til at fungere bedre som et team end som individer.”

Richmonds anden primære forskningslinje, som også er et samarbejde med Calderbank og Tarokh, involverer anvendelse af udviklende maskinlæringsteknikker til trådløs kommunikation. Trioen har allerede en kørende start. I oktober 2020 modtog holdet en femårig bevilling på $5 millioner fra luftvåbnet til at udvikle AI-informerede kommunikations- og netværksprotokoller, der er hurtige og pålidelige nok til at håndtere luftvåbnets krav.

For at hjælpe med at forklare deres indsats på denne arena, siger Richmond at overveje, at alle nutidens trådløse kommunikationsalgoritmer er baseret på en model for, hvordan bølgerne skal opføre sig. Så længe signalet er stærkt og den antagne model holder, så kan teknologien dechifrere de indkommende data. Men når de indkommende bølger ikke længere ser ud som forventet på grund af interferens eller nedbrydning over tid og rum, bryder modellen sammen, og signalet går tabt.

"Vi bevæger os væk fra at udvikle algoritmer, der er baseret på en model og i stedet baserer dem på AI," sagde Richmond. "Disse typer tilgange er afhængige af data snarere end en model. Så så længe du træner den med nok data fra en lang række mindre end ideelle scenarier, kan den tilpasse sig ændringer i miljøet. Potentialet er virkelig fantastisk.”

Med stærke samarbejdspartnere hos Duke og et multimillion-dollar center allerede i gang, var det måske kun et spørgsmål om, hvornår Richmond kom til fakultetet, snarere end om. Under alle omstændigheder siger Richmond, at han er begejstret for de muligheder, flytningen vil skabe for ham inden for en lang række forskellige emner.

"Jeg har holdt kontakten med mange mennesker nu på Duke i lang tid. De blev ved med at fortælle mig, at jeg også burde overveje at komme hertil, og når jeg så på, hvad der foregår, var det meget attraktivt på mange måder,” sagde Richmond. ”Jeg har fået at vide, at eleverne er meget gode, så det er jeg spændt på. Der er også en masse fantastiske unge fakulteter, og jeg er også interesseret i en masse projekter, der foregår på medicinstudiet. Jeg tror, at jo længere jeg er her, jo mere vil jeg finde muligheder for nye samarbejder.”