Machine learning en draadloos: aankomende professor bij Duke richt zich op opkomende technologieën

Datum gepubliceerd:

Christ Richmond zal vanaf 1 januari 2022 toetreden tot de faculteit van de afdeling Electrical and Computer Engineering van Duke University. Met tientallen jaren ervaring in het ontwerpen en testen van nieuwe technologieën en algoritmen om draadloze toepassingen zoals radar en communicatie te verbeteren, zal Richmond zich bij oude collega's voegen bij Duke bij het toepassen van opkomende technieken zoals machine learning in het veld.

Na het behalen van een bachelordiploma in elektrotechniek aan de Universiteit van Maryland in College Park en in wiskunde aan de Bowie State University, voltooide Richmond master- en doctoraatsprogramma's aan het Massachusetts Institute of Technology. Richmond werkte meer dan twintig jaar als senior staflid bij de Advanced Sensor Techniques Group van het MIT Lincoln Laboratory voordat hij in 2017 bij de faculteit van de Arizona State University kwam.

Door al zijn werk heeft Richmond de grenzen verlegd van wat moderne technologie kan doen met elektromagnetische en akoestische golven. Hoewel de meeste mensen beter bekend zijn met het spectrum van elektromagnetische golven dat we kunnen zien (zichtbaar licht), worden andere frequenties gebruikt voor een breed scala aan doeleinden, zoals radio, radar, WiFi, Bluetooth, satellietcommunicatie, mobiele telefoons, 5G-apparaten en meer. . Als het klinkt als een drukke ruimte om in te spelen, dan is dat omdat het zo is.

“Beschouw het elektromagnetische spectrum als een parkeerplaats en elk van deze frequentiebanden als parkeerplaatsen”, zegt Richmond. “Net als bij onroerend goed zijn bepaalde plekken aantrekkelijker dan andere, en iedereen wil de goede.”

De instantie die beslist wie welke ruimte krijgt, is de Federal Communications Commission, oftewel FCC. Volgens Richmond heeft de FCC historisch gezien de beste plekken gereserveerd voor het leger en voor civiele organisaties met belangrijke doelen, zoals atmosferische observatie. Maar een paar decennia geleden werd een groot deel van deze waardevolle frequenties verkocht aan particuliere bedrijven met de belofte dat onderzoekers zouden kunnen uitvinden hoe ze meer konden doen met minder elektromagnetisch onroerend goed.

Snel vooruit naar vandaag, en Richmond is een van de onderzoekers die nog steeds die bruggen bouwt. Samen met collega's Robert Calderbank, de Charles S. Sydnor Distinguished Professor of Computer Science en directeur van het Information Initiative bij Duke, en Vahid Tarokh, de Rhodes Family Professor of Electrical and Computer Engineering, Richmond werkt aan een voorstel waarmee gebruikers van spectrum dezelfde frequentieband kunnen delen, of misschien zelfs gelijktijdig naast elkaar kunnen bestaan binnen dezelfde band (of in de taal van auto’s en parkeerplaatsen, deze auto’s zullen parkeerplaatsen delen, of misschien zelfs boven elkaar parkeren).

“We moeten uitzoeken hoe we al deze signalen op een gecoördineerde manier samen kunnen laten dansen zonder op elkaar te trappen”, zegt Richmond. “Dit vereist dat de radar via computers en algoritmen met de satellietsignalen praat. Maar als we ze kunnen laten samenwerken als verlengstuk van elkaar, kunnen we ze misschien beter als team laten werken dan als individuen.”

De andere primaire onderzoekslijn van Richmond, die ook een samenwerking is met Calderbank en Tarokh, omvat het toepassen van evoluerende machine learning-technieken op draadloze communicatie. Het trio heeft al een vliegende start. In oktober 2020 kreeg het team een vijfjarige subsidie van $5 miljoen van de luchtmacht om AI-geïnformeerde communicatie- en netwerkprotocollen snel en betrouwbaar genoeg te ontwikkelen om aan de eisen van de luchtmacht te voldoen.

Om hun inspanningen op dit gebied te helpen verklaren, zegt Richmond te overwegen dat alle huidige algoritmen voor draadloze communicatie gebaseerd zijn op een model van hoe de golven zich zouden moeten gedragen. Zolang het signaal sterk is en het veronderstelde model standhoudt, kan de technologie de binnenkomende gegevens ontcijferen. Maar wanneer de binnenkomende golven er niet langer uitzien zoals verwacht als gevolg van interferentie of degradatie in de tijd en ruimte, valt het model uiteen en gaat het signaal verloren.

“We stappen af van het ontwikkelen van algoritmen die gebaseerd zijn op een model en baseren ze in plaats daarvan op AI”, zegt Richmond. “Dit soort benaderingen zijn gebaseerd op data in plaats van op een model. Dus zolang je hem traint met voldoende gegevens uit een breed scala aan niet-ideale scenario's, kan hij zichzelf aanpassen aan veranderingen in de omgeving. Het potentieel is echt geweldig.”

Met sterke medewerkers bij Duke en een centrum van miljoenen dollars dat al in de maak was, was het misschien alleen maar de vraag wanneer Richmond bij de faculteit kwam, en niet óf. Richmond zegt in ieder geval enthousiast te zijn over de kansen die de verhuizing voor hem zal creëren op een breed scala aan onderwerpen.

“Ik heb bij Duke al heel lang contact met veel mensen. Ze bleven tegen me zeggen dat ik erover moest nadenken om ook hierheen te komen, en toen ik eenmaal zag wat er aan de hand was, was het in veel opzichten heel aantrekkelijk,' zei Richmond. “Er is mij verteld dat de studenten erg goed zijn, dus daar ben ik enthousiast over. Er zijn ook veel fantastische jonge docenten en ik ben ook geïnteresseerd in een aantal projecten die op de medische school plaatsvinden. Ik denk dat hoe langer ik hier ben, hoe meer mogelijkheden ik zal vinden voor nieuwe samenwerkingen.”