Giới thiệu

Nhóm nghiên cứu của chúng tôi tập trung phát triển các thuật toán tối ưu để giải các bài toán khó và được nhiều người quan tâm trong các lĩnh vực điều khiển tự động, xử lý tín hiệu, truyền thông không dây, trí tuệ nhân tạo, và khoa học sức khỏe.

Các hệ cyber vật lý (cyber-physical systems) cùng với trí tuệ nhân tạo và internet vạn vật là nền tảng của cách mạng công nghiệp 4.0 để thay đổi cách chúng ta sống, làm việc hàng ngày và tương tác lẫn nhau. Là tổ hợp của những hệ thống vật lý đan xen với hệ thống cyber như mạng cảm biến, mạng truyền thông và xử lý tín hiệu, hệ cyber vật lý làm cho các thành phần ảo và thực tương tác với nhau. Bằng cách xóa bỏ ranh giới giữa thế giới thực và ảo, các hệ cyber vật lý sẽ cách mạng hóa các tương tác của con người với thế giới vật lý theo đúng cách mà internet đã thay đổi giao tiếp và tương tác cá nhân, và do đó tạo ra một thế giới hệ thống thực hiện chức năng chưa từng có như phản ứng nhanh chóng (ví dụ như tự động tránh va chạm), làm việc trong môi trường nguy hiểm (ví dụ như các hệ thống tự tìm kiếm và cứu hộ), cung cấp điều phối quy mô lớn (ví dụ như tự động kiểm soát giao thông ), và tăng cường an sinh xã hội (ví dụ như tự giám sát và chăm sóc sức khỏe). Những thuật toán tối ưu của chúng tôi cho các bài toán điều khiển hệ cyber vật lý sẽ giúp cho các hệ thống này sớm đưa vào áp dụng thực tế để phục vụ con người, thay đổi xã hội và thay đổi suy nghĩ của con người.

Chúng ta đang chứng kiến ​​một sự mở rộng chưa từng có của các mạng không dây để kết nối và pha trộn các lĩnh vực vật lý và kỹ thuật số. Kỳ vọng cho thông lượng cao và truy cập phổ biến luôn vượt quá giới hạn dự đoán. Trên thực tế, sự phát triển của các mạng không dây hiện đại chủ yếu dựa trên kết nối giga-bit cho các dịch vụ cung cấp nội dung như xem video trực tuyến và tải các file lớn, hay internet vạn vật tích hợp liên lạc hiện tại của con người với giao tiếp kiểu giữa các máy. Ba công nghệ then chốt của mạng không dây để thực hiện các yêu cầu này là: tăng mật độ trạm cơ sở để có độ phủ sóng liền mạch tốt hơn, đa đầu ra đa đầu vào đa năng (massive MIMO) dùng nhiều anten công suất nhỏ để truyền tải gigabit, và sóng milimet để tăng băng thông di động. Những thuật toán tối ưu của chúng tôi cho các bài toán xử lý tín hiệu trong ba công nghệ then chốt này sẽ giúp chúng hoạt động hiệu quả và hạ giá thành của công nghệ.

Máy học (machine learning) và học sâu (deep learning) hiện đang là trào lưu để xử lý những dữ liệu lớn (big data). Nghiên cứu của chúng tôi trong lĩnh vực này hướng về cách biểu diễn mới của mạng neural và sau đó phát triển các thuật toán tối ưu để giải các bác toán cơ bản như phân tích dữ liệu lớn hay khôi phục những dữ liệu lớn bẳng mạng neural.

Ngoài ra chúng tôi cũng phát triển và phân tích các phương pháp tính toán tin cậy để giải quyết các mô hình tối ưu phi tuyến và cân bằng. Các mô hình này ngày càng đóng vai trò quan trọng trong các lĩnh vực liên quan tới khoa học sức khỏe.