近日，日立中国研究院研究人员耿璐、姜淼和清华大学电子工程系2017级博士生施文琦（已毕业）、周盛副教授、牛志升教授共同发表的论文《延时受限无线联邦学习的终端调度和资源分配》（Joint Device Scheduling and Resource Allocation for Latency Constrained Wireless Federated Learning）获第十三届国际电子电气工程师学会（IEEE）通信学会亚太杰出论文奖（The 13th IEEE ComSoc Asia-Pacific Outstanding Paper Award）。

随着人工智能技术的发展，无线移动网络势必将承载大量计算任务，例如深度神经网络的推断（inference）与训练（training）。对于后者，模型训练的延时将直接影响其应用的时效性。该论文针对通信和计算资源对联邦学习收敛的复杂耦合影响，率先揭示了训练轮数与调度终端数在延时意义下的定量折中规律。基于此，给出了当轮调度用户数的最优估计值，由此优化用户调度和频谱分配，自适应地平衡训练轮数与平均调度终端数的折中，以获得最快的模型训练收敛。该论文为深度学习任务为导向的无线通信与计算资源协同管理提供了重要依据。

该论文获得了今年国际电子电气工程师学会通信学会亚太杰出论文奖，该奖项设立于2012年，每年从过去三年内亚太地区学者在IEEE通信学会所属全部期刊及国际会议所发表数万篇论文中，遴选出有重大学术影响力的2-3篇论文。

论文自2021年1月发表于《IEEE无线通信汇刊》至今三年多以来，谷歌学术引用332次，入选基本科学指标数据库（ESI）前1%高被引论文（Highly Cited Paper）。论文中研究的联邦学习技术在医疗、金融等领域的应用已经取得了一定的进展，如今在自动驾驶、车路协同等领域也正在逐步扩大应用，展现出广阔的应用前景。

日立中国研究院将继续秉承日立百年来“通过优秀的自主技术及产品开发贡献于社会”的企业理念，携手高校等创新合作伙伴，坚持探索新技术新方案。