国家重点研发计划

基于数据驱动和人工智能的未来新型网络演进

基于数据驱动和人工智能的未来新型网络演进项目由崔教授担任项目总负责人、首席科学家，由香港中文大学（深圳）牵头，参与单位包括清华，北邮，东南大学，成电，中国联通等十家单位，项目基于未来网络的五大功能：接入、传输、核心交换、应用、总体集成，把数据与模型协同驱动的机理逐级引入，有机联动。

广东省重点领域研发计划

广东省未来智联网络重点实验室

        广东省未来智联网络重点实验室面向未来智联网络国家重大战略方向，聚焦AI赋能的智能网络理论与架构和面向语义通信的信息网络理论等前沿问题，攻关面向智联网络的核心器件和芯片技术，并搭建新型网络原型系统与应用验证平台，突破未来信息技术发展过程中面临的物理层和网络层核心关键技术，实现关键芯片的研发和产业化，解决通信领域卡脖子技术挑战，力争成为国家和广东省相关领域学术和人才高地。实验室由崔曙光教授担任主任，张平院士担任学术委员会主任，近3年立项项目经费逾1.4亿元。

类脑关键技术及系统研究

类脑关键技术及系统研究项目由崔教授担任项目总负责人，由香港中文大学（深圳）做为牵头单位，团队包括北大，中科大、中科院、浙大、成电等10所院校在相关领域的多个一流科研团队。团队将分为四个课题围绕类脑关键器件、类脑计算、类脑网络等前沿交叉领域展开研究，为未来6G系统提供强大的基础算法支撑。

广东省数据驱动的未来智能网络演进团队

数据驱动的未来智能网络演进团队由崔教授作为带头人，由六名教授组成，研发数据驱动的智能网络算法，推广在在通讯、能源、医疗等领域的广泛应用。

广东省未来智联网络重点实验室

广东省未来智联网络重点实验室，由崔教授担任实验室主任，团对包含多位国家级人才，实验室面向未来智联网络国家重大战略方向，聚焦AI赋能智能网络理论、语义通信理论等前沿问题，攻关核心器件与芯片卡脖子关键技术，搭建智联网络原型系统应用平台，推动AI与通信学科交叉创新，力争成为国家和广东省相关领域学术和人才高地。

深圳市大数据和人工智能重点实验室

深圳市大数据和人工智能重点实验室由崔曙光教授担任室主任。实验室研究大数据的表示、存储、计算、传输；开发人工智能技术、挖掘大数据的潜在价值；利用大数据建立新的智能模型、探索新的应用。实验室团队与国家超级计算深圳中心、中国移动通信深圳分公司、罗湖医院等多家本地企事业单位建立了良好的合作关系。

国家自然科学基金青年科学基金项目

面向下一代移动通信系统的无线资源管理

移动通信系统正朝着第五代发展(5G)，目标是提供更广的网络覆盖范围以及更快的数据传输速率。为了实现这个目标，传统的蜂窝网络结构正演变成一个更加异构的形态，包括划分更小的小区以及使用中继节点。多元化的网络结构能够升频谱资源的空间复用率，能够改善小区热点和小区边缘的用户终端的网络使用质量，但也对无线资源管理带来了新的挑战。无线资源管理就是对无线通信系统的空中接口资源的规划和调度，包括接入控制、信道分配、功率控制、用户分配以及自适应编码调制等。本项目的目标是构建未来移动通信网络的无线资源管理的通用框架。这个框架将充分考虑下一代移动通信系统的特性，如网络结构的多样性和用户终端的差异性，能够灵活地、综合地被用于对无线资源管理的问题进行建模和研究。

深圳市基础研究自由探索项目

面向SDN数据中心网络的流量调度和路由算法

数据中心是数据传输、计算和存储的中心。目前数据中心三大要素中的计算和存储在技术进展上很难取得突破，网络成为了影响大规模数据中心运行性能的关键。软件定义网络( SDN) 技术的兴起，为解决数据中心网络的资源管理问题供了新思路。 SDN 的核心思想是将传统网络设备的数据平面和控制平面两个功能模块分离，通过集中式的控制器以标准化的接口对各种网络设备进行统一管理和配置。因此 SDN 控制器可以收集整个网 络的状态信息, 从而以全局最优的方式进行网络流量的调度和动态路由, 实现网络流量的负载均衡。 本项目的目标是为基于SDN的数据中心网络设计复杂度低的流量调度算法和路由算法，使得数据中心网络能够快速高效地运转，满足各种业务的需求。

国家自然科学基金青年科学基金项目

大规模无线网络分布协作式定位的关键问题研究

传感器技术的快速发展和新型通信系统和技术的日臻成熟催生了一系列新兴应用，例如，利用大规模无线网络的环境监测（如核辐射、森林火灾）、安全防范（如煤气泄漏、领土入侵）、无人驾驶和智能家居等。这些应用无一不需要较为准确的传感器节点位置。新型无线网络的主要特点为：（1）规模巨大（2）无线传播环境复杂（3）存在未知的全局模型参数。极大的网络规模使得人工位置校准难以实现，因此近年来协助式定位受到了广泛关注。传统的无线网络协助式定位算法大多建立在较为简单的场景中。为了拉近理论研究和实际应用的距离，本项目拟研究适应新型网络中复杂场景的分布式协助定位。我们拟设计基于概率图上的置信传递和分布式非凸优化来联合估计位置和全局模型参数，在保持定位准确性和鲁棒性的同时最大程度地降低运算复杂度和通信总成本。

国家自然科学基金青年科学基金项目

基于深度学习的智能草图三维角色建模

随着动画、游戏以及虚拟现实产业的快速发展，业界对于三维内容的需求也日益剧增。然而基于现有的工具，要想得到一个相对精细的三维模型往往需要一个培养了两三年时间的专业建模师，且需要大量的时间成本。本课题旨在将先进的深度学习技术引入到交互建模设计中，并开发一套可以让普通用户也能够使用的基于草图的实时三维角色建模系统。我们针对不同部位的特点，将针对角色的头部与身体分别进行研究。对于头部部位，我们拟设计一套基于模板网格变形的深度学习框架，使其首先从草图中提取重要的几何特征并映射到模板网格上以学习出一个变形的机制以匹配草图的轮廓。而对于身体部位，我们拟首先设计一个基于画弧线簇的交互方式进行三维骨架的确定，基于此一个粗糙的多肢体网格将被生成出来。之后，一个自监督的学习方式将被应用于如何将粗糙的模型变形以拟合用户画的二维轮廓。最终，我们将这两部分结合并完成完整的交互界面设计。