主题一：基于Hadamard矩阵的宽带二维多波束天线阵列
主讲：徐子臻
（导师：潘宇飞）
主题二：基于生物多重信息的特征融合网络
主讲：曾伟琪
（导师：曹忠）
主题三：全COMS电压基准源
主讲：罗延伸
（导师：曾衍翰）
主题四：Adaptive Hierarchical Gradient Clustering for Accelerating Distributed DNN Training
主讲：尹越
（导师：刘外喜）
主办机构
足球竞猜平台-专业推荐与精准预测
时间安排
2024年11月19日10：30-11：30
地点
黄埔研究院A1栋303教室
为拓宽研究生学术视野，促进研究生学术交流，营造良好的学术氛围，足球竞猜平台
主办的“研途青年说”第83讲于11月19日10：30-11：30在黄埔研究院A1栋303教室。本次主讲人为研究生徐子臻、曾伟琪、罗延伸和尹越。
徐子臻同学这次主要介绍了一种由磁电偶极子天线和简化的平面4阶Hadamard矩阵组成的宽带二维多波束天线阵列。这种简化的4阶Hadamard矩阵取消了交叉和联锁结构，电路尺寸仅为 0.67 × 1.34 λg2。为了演示，设计、制造了一个Hadamard矩阵原型，并在2.4 GHz频率下进行了测量，其带宽为47.6%。在该带宽内可实现稳定的单/双/四叶切换波束，从而满足各种通信场景的需要。所提出的二维多波束天线阵列也是一种单层平面结构，与传统的二维多波束天线阵列相比，体积小、结构简单、带宽大。
曾伟琪同学主要研究了基于特征融合的鼹鼠物种鉴定，分析了该任务在模型算法以及数据方面存在的难点问题，通过将EfficientNet网络进行微调、剪枝，以及搭建了一个对应的MLP分类器，组成了一个特征融合网络FFNet,网络通过对头骨和牙齿信息的并行提取融合，对物种进行分类，这种方法综合了强监督和弱监督算法的特点，充分利用了其中所包含的更细致的信息，在五折交叉验证的情况下达到了平均96.53%的准确率，较一级网络纯头骨提升5.03%,二级网络纯头骨提升2.71%。另外，我们设计了一个能够自动裁剪牙齿图像的目标检测实验，这种方法虽然会损失一些精度，但是也比用单一头骨进行鉴定的精度高，并且速度较快。
罗延伸同学首先针对物联网、传感器系统的快速发展，引出SoC芯片的需求，进而引出对电源基准源的改进。本PPT针对传统电压基准源在电压线性度和功耗之间的权衡，提出了一种自偏置双输出的电压基准源，为了减少面积和提高能源效率，利用有源负载在单个电流分支中获得两个参考电压。通过利用本征NMOS晶体管和标准NMOS晶体管之间的显著∆VTH，设计了一个自偏置电流源，将功耗降低到1.3 nW。为了减少偏置电流对电源电压的依赖，提出了一种基于稳压器和漏电流隔离源跟随器的预稳定电路。
尹越同学开始从巨大的通信量和频繁的通信轮次限制了分布式深度学习的可扩展性。为了解决这一通信瓶颈，已经提出了一些方法，如梯度稀疏化和量化。然而，这些方法要么会导致精度下降，要么会引入巨大的计算开销。我们观察到，深度神经网络的每一层的梯度对模型性能的敏感度是不同的；聚类时间随着梯度数量级的非线性变化而变化。因此，我们提出了一种自适应层次梯度聚类（AHGC）方法来加速分布式训练。在该方法中，我们对梯度进行层次聚类；我们提出了一种效率感知的张量方案，以确保每次梯度压缩都能带来好处；我们提出了一种逐层自适应梯度感知方法，以确定针对不同层的聚类数量，从而最大限度地减少通信流量，并确保模型精度不会降低。在多个主要数据集和模型上的实验表明，与批量同步并行（BSP）、STL-SGD、DGC和RedSync相比，AHGC分别可以将训练时间减少高达86.67%、56.6%、52.1%和57.1%。
徐子臻
2022级足球竞猜平台
通信工程专业型硕士
导师：潘宇飞
主要研究方向：波束赋形网络
主要科研成果：
EI论文一篇2023 IEEE MTT-S International Microwave Workshop Series on Advanced Materials and Processes for RF and THz Applications (IMWS-AMP)
“兆易创新杯” 第十九届研究生电子设计竞赛华南赛区一等奖
曾伟琪
2022级足球竞猜平台
电子与通信工程学术/专业型硕士
导师：曹忠
主要研究方向：生物信息
主要科研成果：专利《一种基于特征融合的物种鉴定方法、系统及装置》
罗延伸
2022级足球竞猜平台
电子与通信工程专业型硕士
导师：曾衍瀚
主要研究方向：电压基准源/全CMOS张弛振荡器
主要科研成果：A 1.3 nW, 0.014 %/V and Dual-output CMOS Voltage Reference with Self-biased Current Source
尹越
2022级足球竞猜平台
电子与通信工程学术/专业型硕士
导师：刘外喜
主要研究方向：分布式深度学习
主要科研成果：Wai-xi Liu, Dao-xiao Chen, Miao-quan Tan, Kong-yang Chen, Yue Yin, Wen-Li Shang, Jin Li, Jun Cai,Model Parameter Prediction Method for Accelerating Distributed DNN Training, Computer Networks(1区), 2024, 110883,
