Maskininlärning och trådlöst: Inkommande professor vid Duke riktar in sig på nya teknologier

Christ Richmond kommer att ansluta sig till fakulteten vid Institutionen för elektro- och datorteknik vid Duke University med början den 1 januari 2022. Med årtionden av erfarenhet av att designa och testa nya teknologier och algoritmer för att förbättra trådlösa applikationer som radar och kommunikation, kommer Richmond att ansluta sig till mångåriga kollegor på Duke i att tillämpa nya tekniker som maskininlärning på fältet.

Efter att ha tagit grundexamen i elektroteknik vid University of Maryland i College Park och i matematik vid Bowie State University, avslutade Richmond master- och doktorandprogram vid Massachusetts Institute of Technology. I mer än två decennier arbetade Richmond som senior personal med Advanced Sensor Techniques Group vid MIT Lincoln Laboratory innan han började på fakulteten vid Arizona State University 2017.

Genom allt sitt arbete har Richmond tänjt på gränserna för vad modern teknik kan göra med elektromagnetiska och akustiska vågor. Medan de flesta människor är mer bekanta med spektrumet av elektromagnetiska vågor som vi kan se – synligt ljus – används andra frekvenser för en mängd olika ändamål som radio, radar, WiFi, Bluetooth, satellitkommunikation, mobiltelefoner, 5G-enheter och mer . Om det låter som ett trångt utrymme att spela i, är det för att det är det.

"Tänk på det elektromagnetiska spektrumet som en parkeringsplats och vart och ett av dessa frekvensband som parkeringsplatser," sa Richmond. "Precis som fastigheter är vissa platser mer attraktiva än andra, och alla vill ha de bra."

Byrån som bestämmer vem som får vilka utrymmen är Federal Communications Commission, eller FCC. Enligt Richmond har FCC historiskt sett reserverat de bästa platserna för militären och för civila organisationer med viktiga syften, som atmosfärisk observation. Men för några decennier sedan såldes en stor del av dessa värdefulla frekvenser till privata företag med löftet att forskare skulle kunna ta reda på hur man kan göra mer med mindre elektromagnetiska fastigheter.

Spola framåt till idag, och Richmond är en av forskarna som fortfarande bygger dessa broar. Tillsammans med kollegor Robert Calderbank, Charles S. Sydnors framstående professor i datavetenskap och chef för informationsinitiativet vid Duke, och Vahid Tarokh, Rhodes Family Professor of Electrical and Computer Engineering, Richmond arbetar på ett förslag som skulle låta användare av spektrum dela samma frekvensband, eller kanske till och med samexistera samtidigt inom samma band (eller på bilar och parkeringsplatsers språk, dessa bilar kommer att dela parkeringsplatser, eller kanske till och med parkera ovanpå varandra).

"Vi måste ta reda på hur vi ska få alla dessa signaler att dansa tillsammans på ett koordinerat sätt utan att trampa på varandra," sa Richmond. "Detta kräver att radarn pratar med satellitsignalerna genom datorer och algoritmer. Men om vi kan få dem att arbeta tillsammans som en förlängning av varandra, kanske vi bara kan få båda att fungera bättre som ett team än som individer.”

Richmonds andra primära forskningslinje, som också är ett samarbete med Calderbank och Tarokh, handlar om att tillämpa utvecklande maskininlärningstekniker på trådlös kommunikation. Trion har redan en löpstart. I oktober 2020 fick teamet ett femårigt anslag på $5 miljoner från flygvapnet för att utveckla AI-informerade kommunikations- och nätverksprotokoll tillräckligt snabbt och tillförlitligt för att hantera flygvapnets krav.

För att hjälpa till att förklara deras ansträngningar på den här arenan, säger Richmond att överväga att alla dagens trådlösa kommunikationsalgoritmer är baserade på en modell av hur vågorna ska bete sig. Så länge signalen är stark och den antagna modellen håller kan tekniken dechiffrera inkommande data. Men när de inkommande vågorna inte längre ser ut som förväntat på grund av störningar eller försämring över tid och rum, går modellen sönder och signalen går förlorad.

"Vi går bort från att utveckla algoritmer som är baserade på en modell och istället baserar vi dem på AI," sa Richmond. "Dessa typer av tillvägagångssätt förlitar sig på data snarare än en modell. Så så länge du tränar den med tillräckligt med data från ett brett utbud av mindre än idealiska scenarier, kan den anpassa sig till förändringar i miljön. Potentialen är verkligen fantastisk.”

Med starka samarbetspartners på Duke och ett multimiljondollarcenter som redan är på gång, kan det bara ha varit en fråga om när Richmond gick med i fakulteten snarare än om. I alla fall säger Richmond att han är exalterad över möjligheterna som flytten kommer att skapa för honom inom en mängd olika ämnen.

"Jag har hållit kontakten med massor av människor nu på Duke under en lång tid. De sa hela tiden till mig att jag borde tänka på att komma hit också, och när jag väl tittade på vad som händer var det väldigt attraktivt på många sätt, säger Richmond. ”Jag har fått höra att eleverna är väldigt duktiga, så jag är exalterad över det. Det finns också många fantastiska unga lärare och jag är också intresserad av ett gäng projekt som pågår på medicinskolan. Jag tror att ju längre jag är här, desto mer kommer jag att hitta möjligheter till nya samarbeten.”