Maschinelles Lernen und Wireless: Incoming-Professor an der Duke konzentriert sich auf neue Technologien

Veröffentlichungsdatum: 6. Dezember 2021

Christ Richmond wird ab dem 1. Januar 2022 der Fakultät für Elektro- und Computertechnik der Duke University beitreten. Mit jahrzehntelanger Erfahrung im Entwerfen und Testen neuer Technologien und Algorithmen zur Verbesserung drahtloser Anwendungen wie Radar und Kommunikation wird Richmond gemeinsam mit langjährigen Kollegen an der Duke neue Techniken wie maschinelles Lernen in der Praxis anwenden.

Nach seinem Bachelor-Abschluss in Elektrotechnik an der University of Maryland in College Park und in Mathematik an der Bowie State University absolvierte Richmond Master- und Doktorandenprogramme am Massachusetts Institute of Technology. Mehr als zwei Jahrzehnte lang arbeitete Richmond als leitender Mitarbeiter bei der Advanced Sensor Techniques Group am MIT Lincoln Laboratory, bevor er 2017 zur Fakultät der Arizona State University wechselte.

Mit all seinen Arbeiten hat Richmond die Grenzen dessen erweitert, was moderne Technologie mit elektromagnetischen und akustischen Wellen leisten kann. Während die meisten Menschen eher mit dem Spektrum der elektromagnetischen Wellen vertraut sind, die wir sehen können – sichtbares Licht – werden andere Frequenzen für eine Vielzahl von Zwecken verwendet, wie Radio, Radar, WLAN, Bluetooth, Satellitenkommunikation, Mobiltelefone, 5G-Geräte und mehr. Wenn das nach einem überfüllten Raum zum Spielen klingt, dann deshalb, weil es das auch ist.

„Stellen Sie sich das elektromagnetische Spektrum als einen Parkplatz vor und jedes dieser Frequenzbänder als Parkfläche“, sagte Richmond. „Genau wie bei Immobilien sind bestimmte Plätze attraktiver als andere, und jeder will die guten.“

Die Behörde, die entscheidet, wer welche Frequenzen bekommt, ist die Federal Communications Commission (FCC). Laut Richmond hat die FCC die besten Frequenzen in der Vergangenheit für das Militär und zivile Organisationen mit wichtigen Zielen wie der Atmosphärenbeobachtung reserviert. Doch vor einigen Jahrzehnten wurde ein Großteil dieser wertvollen Frequenzen an private Unternehmen verkauft, mit der Hoffnung, dass Forscher herausfinden könnten, wie man mit weniger elektromagnetischer Fläche mehr erreichen könne.

Und heute ist Richmond einer der Forscher, die diese Brücken immer noch bauen. Zusammen mit Kollegen Robert Calderbank, Charles S. Sydnor Distinguished Professor für Informatik und Direktor der Information Initiative an der Duke University, und Vahid Tarokh, Rhodes Family Professor für Elektro- und Computertechnik, arbeitet in Richmond an einem Vorschlag, der es den Nutzern des Spektrums ermöglichen würde, dasselbe Frequenzband gemeinsam zu nutzen oder vielleicht sogar gleichzeitig im selben Band zu koexistieren (oder, um es mit der Sprache von Autos und Parkplätzen auszudrücken: Diese Autos würden sich Parkplätze teilen oder vielleicht sogar übereinander parken).

„Wir müssen herausfinden, wie wir all diese Signale koordiniert miteinander tanzen lassen, ohne dass sie sich gegenseitig in die Quere kommen“, sagte Richmond. „Dafür muss das Radar über Computer und Algorithmen mit den Satellitensignalen kommunizieren. Aber wenn wir sie dazu bringen können, als Erweiterung voneinander zusammenzuarbeiten, können wir vielleicht erreichen, dass beide als Team besser funktionieren als einzeln.“

Richmonds anderer Forschungsschwerpunkt, ebenfalls eine Zusammenarbeit mit Calderbank und Tarokh, befasst sich mit der Anwendung sich entwickelnder Techniken des maschinellen Lernens auf die drahtlose Kommunikation. Das Trio hat bereits einen guten Start hingelegt. Im Oktober 2020 erhielt das Team von der Air Force einen fünfjährigen Zuschuss in Höhe von $5 Millionen, um KI-gestützte Kommunikations- und Netzwerkprotokolle zu entwickeln, die schnell und zuverlässig genug sind, um den Anforderungen der Air Force gerecht zu werden.

Um ihre Bemühungen auf diesem Gebiet zu erklären, sagt Richmond, man müsse bedenken, dass alle heutigen Algorithmen für die drahtlose Kommunikation auf einem Modell basieren, das das Verhalten der Wellen beschreibt. Solange das Signal stark ist und das angenommene Modell zutrifft, kann die Technologie die eingehenden Daten entschlüsseln. Wenn die eingehenden Wellen jedoch aufgrund von Interferenzen oder einer Verschlechterung im Laufe der Zeit und über den Raum hinweg nicht mehr wie erwartet aussehen, bricht das Modell zusammen und das Signal geht verloren.

„Wir entwickeln keine Algorithmen mehr, die auf einem Modell basieren, sondern auf KI“, sagte Richmond. „Diese Art von Ansätzen basiert auf Daten und nicht auf einem Modell. Solange man es also mit genügend Daten aus einer Vielzahl nicht ganz idealer Szenarien trainiert, kann es sich an Veränderungen in der Umgebung anpassen. Das Potenzial ist wirklich erstaunlich.“

Angesichts der starken Kooperationspartner bei Duke und der bereits in Planung befindlichen Multimillionen-Dollar-Einrichtung war es vielleicht nur eine Frage des Zeitpunkts, wann Richmond der Fakultät beitrat, und nicht des Ob. Richmond sagt jedenfalls, er freue sich auf die Möglichkeiten, die ihm der Wechsel in einer Vielzahl von Themen eröffnen wird.

„Ich stehe seit langem mit vielen Leuten bei Duke in Kontakt. Sie sagten mir immer wieder, dass ich auch darüber nachdenken sollte, hierher zu kommen, und als ich mir ansah, was dort vor sich geht, fand ich es in vielerlei Hinsicht sehr attraktiv“, sagte Richmond. „Mir wurde gesagt, dass die Studenten sehr gut sind, also freue ich mich darüber. Es gibt auch viele fantastische junge Lehrkräfte und ich interessiere mich auch für eine Reihe von Projekten, die an der medizinischen Fakultät laufen. Ich denke, je länger ich hier bin, desto mehr Möglichkeiten für neue Kooperationen werde ich finden.“