کمک به حل چالشهای موجود در محیط شبکه
چهرهای جوان از دانشگاه فنیکا - دکتر نگوین شوان تونگ به تازگی نام خود را در فهرست محققان برجسته قرار داده است. آخرین اثر او در IEEE Communications Surveys & Tutorials، مجله پیشرو جهان در زمینه فناوری اطلاعات و ارتباطات با ضریب تأثیر ۴۶.۷، منتشر شده است.
عنوان اثر دکتر نگوین شوان تونگ «شبکههای عصبی گراف برای اینترنت اشیا نسل بعدی: پیشرفتهای اخیر و چالشهای پیش رو» است. هدف این اثر پرداختن به چالشهای پیچیده در مدیریت و بهینهسازی اینترنت اشیا (IoT)، بهویژه در محیط شبکه نسل بعدی است.

در این مقاله، نویسندگان به طور جامع نحوهی استفاده از GNN برای حل مسائلی با دادههای ورودی گراف مانند را سیستماتیک کردهاند، که منعکسکنندهی ساختار طبیعی شبکههای بیسیم است. به لطف این، GNN مزیت آشکاری نسبت به روشهای بهینهسازی سنتی نشان میدهد، که اغلب مبتنی بر دادههای مسطح هستند و در بهرهبرداری کامل از روابط بین اجزای سیستم مشکل دارند.
این مطالعه همچنین تجزیه و تحلیل کاربردهای GNN را به فناوریهای کلیدی مانند Massive MIMO، سطوح هوشمند قابل پیکربندی مجدد (RIS)، ارتباطات تراهرتز (THz)، محاسبات لبهای موبایل (MEC) و ارتباطات قابل اعتماد با تأخیر بسیار کم (URLLC) گسترش میدهد. به طور خاص، این مقاله به خطرات ناشی از حملات خصمانه نیز اشاره میکند و مکانیسمهای دفاعی را برای ایمنسازی نسل بعدی سیستمهای اینترنت اشیا پیشنهاد میدهد.
این پروژه به زمان حال بسنده نمیکند و همچنین به مسیرهایی برای ادغام GNN با فناوریهای آینده مانند حسگر و ارتباطات یکپارچه (ISAC)، شبکه یکپارچه ماهواره-هوا-زمین-دریا (SAGSIN) و محاسبات کوانتومی اشاره میکند. اینها زمینههای جدیدی هستند اما نویدبخش ایجاد یک پیشرفت بزرگ در ساخت یک اکوسیستم اینترنت اشیا هوشمند، کارآمد، ایمن و پایدار هستند.
این موفقیت، ظرفیت تحقیقاتی برجسته دکتر نگوین شوان تونگ، چهره جوان نمونه در حوزه فناوری اطلاعات در فنیکا را نشان میدهد. دانشمندان جوانی مانند دکتر تونگ با تلاش و اشتیاق خود برای فتح دانش، در تأیید برند تحقیقاتی دانشگاه فنیکا، گسترش دانش ویتنامی و ادغام آن با جریان علمی جهانی، نقش دارند.
ظرفیت رقابتی همسطح با گروههای تحقیقاتی پیشرو در جهان
یکی دیگر از نقاط عطف مهم در فعالیتهای پژوهشی علمی دانشگاه فنیکا در دانشکده فناوری اطلاعات به رسمیت شناخته شده است. کار دانشیار، دکتر فام ون کان و همکارانش برای انتشار در NeurIPS 2025، کنفرانس بینالمللی معتبر و پیشرو جهان در زمینه هوش مصنوعی (AI) و یادگیری ماشین (ML)، پذیرفته شده است.

NeurIPS (کنفرانس سیستمهای پردازش اطلاعات عصبی) در سال ۱۹۸۷ تأسیس شد و طبق استانداردهای CORE رتبه A* را کسب کرد و مرتباً دانشگاههای برتر جهان مانند MIT، Carnegie Mellon، Oxford و شرکتهای پیشرو در فناوری را گرد هم میآورد. NeurIPS با شاخص H 371 (طبق Google Scholar) به عنوان "اسکار در هوش مصنوعی و یادگیری ماشین" در نظر گرفته میشود، جایی که بیشتر پیشرفتهای اساسی هوش مصنوعی/یادگیری ماشین در دهه گذشته معرفی میشوند.
در سال ۲۰۲۵، NeurIPS بیش از ۲۱۵۰۰ مقاله از گروههای تحقیقاتی هوش مصنوعی در سراسر جهان دریافت کرد، اما تنها حدود ۲۴.۵٪ از مقالات را پذیرفت که نشاندهنده رقابت شدید و ارزش منحصر به فرد هر اثر انتخاب شده است.
در کنفرانس NeurIPS 2025، تیم تحقیقاتی دانشیار دکتر فام ون کان، از کار خود با عنوان «هفائستوس: مدلسازی مولد ترکیبی با هدایت انرژی برای کاهش کیفیت سرویس در مقیاس بزرگ» رونمایی کرد. «هفائستوس» یک مدل هوش مصنوعی جدید است که به طور انعطافپذیری الگوریتمهای تقریبی، هوش مصنوعی مولد، یادگیری تقویتی و مدلهای انرژی را برای حل یک مشکل مهم در علم شبکه ترکیب میکند: کاهش کیفیت سرویس (QoSD). این یک چالش بزرگ در مدیریت سیستمهای شبکه در مقیاس بزرگ است که مستقیماً با کارایی و قابلیت اطمینان سرویسهای دیجیتال مرتبط است.
این کار نه تنها مزایای تجربی برجستهای را نشان میدهد، بلکه ارزش نظری عمیقی نیز دارد و مسیر تحقیقاتی جدیدی را در مورد کاربرد هوش مصنوعی در مسائل بهینهسازی ترکیبی پیچیده باز میکند. این دستاورد، جایگاه تحقیقاتی بینالمللی دانشگاه فنیکا را تأیید میکند و در عین حال، رقابتپذیری آن را در سطح گروههای پیشرو در جهان نشان میدهد.
دانشیار دکتر فام ون کان در حال حاضر مدرس دانشکده فناوری اطلاعات دانشگاه فنیکا و رئیس گروه تحقیقاتی ORLab (آزمایشگاه تحقیقات عملیاتی) است. دانشیار دکتر کان به عنوان یکی از دانشمندان جوان برجسته در زمینههای هوش مصنوعی، یادگیری ماشین و بهینهسازی شناخته میشود. با گرایش "نظریه مرتبط با کاربرد"، دانشیار دکتر کان و گروه تحقیقاتی ORLab نه تنها بر مسائل پیشگام دانشگاهی تمرکز دارند، بلکه بر حل مشکلات عملی، از مدیریت سیستمهای شبکه، دادههای در مقیاس بزرگ گرفته تا بهینهسازی در صنعت و زندگی نیز تمرکز دارند. ترکیبی از اشتیاق به علم، تجربه بینالمللی و فداکاری به او کمک کرده است تا ORLab را به یک گروه تحقیقاتی جوان پویا تبدیل کند که به طور مداوم در جامعه دانشگاهی جایگاه خود را تثبیت میکند.
همکاران دانشیار کان، اعضای گروه تحقیقاتی ORLab هستند - یک گروه تحقیقاتی قوی در زمینه بهینهسازی سیستمهای بزرگمقیاس. ORLab هویت خود را با تمرکز بر هوش مصنوعی، بهینهسازی و تحقیقات سیستمهای بزرگمقیاس شکل داده است. این انتشارات نشان میدهد که ORLab نه تنها بر کیفیت آکادمیک و پیشگامی در تئوری تمرکز دارد، بلکه هدف آن حل مشکلات عملی و خدمت به توسعه اجتماعی و فناوری در دوره جدید است.
منبع: https://cand.com.vn/giao-duc/dau-an-khoa-hoc-cua-dai-hoc-phenikaa-tren-truong-quoc-te-i790453/










نظر (0)