2022年11月17日上午8：30，G-Seminar计算机学科全球学术前沿系列讲座第一期暨beta365第17期“未来计算”学术前沿论坛在腾讯会议（线上）平台隆重举行，学院邀请了加拿大多伦多大学教授、IEEE Fellow、加拿大工程研究院院士 Shahrokh Valaee教授和多伦多大学、IEEE Fellow Baochun Li教授，分别作主题为“Localization and Sensing in Next Generation Wireless Networks”和“Federated Learning in an Edge-Cloud Coordinated World: Facts or Fiction?”的学术报告。beta365官网国际合作与交流处副处长杨波参加了会议并致辞。本次全球学术前沿系列讲座由beta365副经理郭松涛教授主持。

Shahrokh Valaee教授在本次报告中，首先介绍了5G和未来6G的区别，指出6G能够将通信感知一体化。然后从基于Ising能量最小化的定位技术和智能超表面技术两方面展开报告的介绍。Shahrokh Valaee教授详细介绍了采用CSI对到达角度测距的估算、利用基跟踪、二元二次优化等方法解决问题，介绍了基于Ising模型的协同AoA估计方法。之后，Shahrokh Valaee教授针对智能超表面技术进行阐述，讲解了RIS反射模型、用户交互、观测信号等内容，在介绍了马尔科夫链蒙特卡洛方法后，引入其研究方法核心：对RIS的变量进行采样，而不是优化。最后总结指出定位问题本质是一个稀疏性问题。

Baochun Li教授首先通过统计图展示了联邦学习越来越流行，Li教授然后介绍边云协同中的联邦学习，阐述了联邦平均算法FedAvg，引出“联邦学习是否实用？”的问题，指出了其中的一些问题，比如：数据的非独立同分布、数据汇聚后的低准确率、隐私泄露等等。之后，Li教授介绍了现有采用同态加密等方法解决问题，也指出了其通讯开销等问题。Li教授介详细描述了介绍了他们的用于可扩展联邦学习研究的开源框架Plato，并在Plato上测试了多种算法。然后，重点介绍了异步联邦学习。介绍了他们的研究核心内容：基于staleness和余弦相似性自适应聚合机制以及通过推送紧急消息给较慢的客户端来增加交互。并测试其算法的性能，在某些情况下比目前最好的算法FedBuff性能更好。Li教授以问题为引导，吸引员工思考，然后提出相应的方法和思路,报告讲解发人深省，引人入胜。

beta365师生共计近300人参加了本次全球学术前沿系列讲座。最后部分，师生与两位教授就报告及相关问题和技术细节进行了深入交流探讨。通过此次学术报告，相关领域的教师和研究生更加深入的了解了无线网络的定位和感知、联邦学习的前沿技术研究及发展方向，开拓了学院师生在该领域的研究方向。

报告人简介：Shahrokh Valaee，多伦多大学电气和计算机工程学院的全职教授，多伦多大学无线和互联网研究实验室的创始人和主任，并担任本科生研究副主席。他是加拿大工程研究院院士、IEEE Fellow。他在信号处理和通信网络领域做出了beta365官网贡献，特别是，他在分布式源定位方面的工作开创了一个新的研究领域，使他成为信号处理领域的领导者。担任国际著名期刊IEEE Transactions on Wireless Communications 编辑和超过70个世界范围内有beta365官网影响力的国际会议的程序委员会成员。在包括IEEE TMC、IEEE TSP、IEEE TON、IEEE INFOCOM、IEEE GLOBECOME和各种IEEE/ACM Transactions在内的国际知名期刊或者会议发表论文260余篇。

Baochun Li，加拿大多伦多大学(University of Toronto)电子和计算机工程系教授。Baochun Li教授于1995年在清华大学计算机系获得学术学位，1997年和2000年在美国伊利诺斯大学香槟分校(University of Illinois at Urbana-Champaign)获得硕士和博士学位。2000年博士毕业后加入多伦多大学。Baochun Li教授在2000年获得通信系统(Communications Systems)领域的IEEE Communications Society Leonard G. Abraham奖 ，2005-2006年欧洲经委会部门服务奖首届得主，2009年分别获得IEEE通信协会多媒体通信最佳论文奖和多伦多大学McLean奖。Baochun Li教授的研究方向包括大规模的通信系统，点对点网络，网络编码(network coding)的应用，无线网络。目前Baochun Li教授领导着多伦多大学iQua研究小组。