记者12日获悉，特斯联近期在智能物联网技术（AIoT）领域取得最新科研成果，主要包括：优化智能物联网的能耗、延时与交互，算力网络的资源管理和任务调度，以及多智体反馈神经网络框架和应用。

新华财经北京5月12日电（记者吴丛司）记者12日获悉，特斯联近期在智能物联网技术（AIoT）领域取得最新科研成果，主要包括：优化智能物联网的能耗、延时与交互，算力网络的资源管理和任务调度，以及多智体反馈神经网络框架和应用。以上技术突破由特斯联前不久任命的首席科学家杨旸博士带队完成，该科研成果已被IEEE国际学术期刊和国际顶级会议收录。

智能物联网的能耗、时延与交互

由于蜂窝移动通信系统基础设施的封闭性，以及缺乏有效的现场测量工具，NB-IoT网络的许多重要指标一直以来都没有被深入地研究，例如：无线接入性能和能耗等。基于实际应用场景中完成的扎实研究工作，团队进一步给出了提升智能物联网技术规范和芯片设计方向的优化建议。

在工业物联网的应用场景中，无线传感器设备无需铺设专门的有线网络，具有灵活性和可扩展等优势。但是，工业生产环境中复杂时变的无线衰落信道会导致无法预测的随机服务时延和时延抖动，严重降低了工业生产闭环反馈控制系统的性能和稳定性，这是无线传感器设备和无线通信技术应用于高精度、高可靠的自动化工业生产系统的最主要技术挑战。针对工业物联网应用场景中的严苛时延要求，杨旸博士及团队提出了在无线多径衰落信道中对时延分布进行塑形的新方法，通过对原始最优化函数的解耦分析，设计了“双层闭式反馈控制算法（TACAN）”，实现了时延分布方差的最小化，从而显著提高了工业物联网系统的可靠性和稳定性。

算力网络的资源管理和任务调度

在智能物联网的应用场景中，边缘计算资源的广泛部署可以及时有效地满足终端用户的低时延、强计算、快响应等服务需求。针对复杂多变的无线信道环境和多层次的移动通信网络架构，杨旸博士与团队提出了基于大规模多天线中继节点辅助的多层次算力系统，来增强复杂用户任务的计算能力和效率。

多智体反馈神经网络框架和应用

杨旸博士及团队提出了“多智体反馈神经网络”（MAFENN）框架，包含三个充分合作的智能体，其中的反馈智能体模拟了灵长类动物大脑中的信号反馈和错误纠正机制，有效提升了神经网络训练过程中的反馈学习能力、特征提取能力、噪声和干扰消除能力。

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。

关键词：