格兰特支持对教学网络的研究，以做出更好的决策

想象一下，一群无人机在调查一个区域时拍摄照片和视频：什么使他们能够以最快速、最有效的方式处理收集的数据？

莱斯大学的圣地亚哥·塞加拉（Santiago Segarra）和阿舒托什·萨巴瓦尔（Ashutosh Sabharwal）获得了美国陆军作战能力发展司令部陆军研究实验室（U.S. Army Combat Capabilities Development Command Army Research Laboratory）下属的陆军研究办公室（Army Research Office）的资助，用于开发一种机器学习框架，以改善军事通信网络的决策过程。该研究还有助于为自动驾驶汽车和网络入侵检测等应用提供信息。

“分布式决策在军事网络中至关重要，”Sabharwal说，他是该赠款的共同研究员。“在高风险、快节奏的环境中，仅仅依靠集中式决策过程可能会导致延迟、瓶颈和漏洞。将决策和执行责任分散到整个网络中，可以快速响应不断变化的情况，并能够适应不可预见的情况。

有效的分布式网络控制的主要挑战是，组成网络的各个单元（节点）必须找到聚合本地信息并将其提炼为可操作知识的最佳方式。在无人机示例中，为了对实时收集的视觉数据执行机器学习任务，例如对象识别，各个节点（或者在我们的示例中为无人机）必须遵循指定的协议，这些协议指定了要处理信息的位置。

“这可以在无人机中完成 – 其电池和计算能力有限 – 或者可以通过具有相关通信延迟的无线连接卸载到总部，”Segarra说。

最佳决策取决于多种因素，例如数据的大小和敏感性、任务的复杂性以及通信网络的拥塞程度。预先指定信息聚合方式的僵化决策协议可能会延迟或阻碍网络的反应能力。Sabharwal 和 Segarra 旨在开发一种新颖的分布式机器学习架构，使节点能够以最有效的方式组合本地数据。

“我们的目标是让无人机群以分布式方式共同做出最佳卸载决策 – 也就是说，在没有中央代理告诉每架无人机该做什么的情况下，”Segarra说。

为了实现这一目标，研究人员将开发一个深度学习框架，其中两个图神经网络在演员-评论家环境中相互作用：演员神经网络做出卸载决策，而评论家评估其质量。通过以迭代方式训练这两个神经网络，目标是获得一个多才多艺的参与者，其决策转化为在各种场景中的快速、自适应行动。

Segarra是电气和计算机工程与统计学的助理教授。Sabharwal 是赖斯大学的 Ernest Dell Butcher 工程学教授和电气与计算机工程系主任。

获奖信息：

项目名称：战术网络的分布式机器学习

奖项编号： W911NF-24-2-0008

图片下载：

https://news-network.rice.edu/news/files/2023/11/000_AROgrant.jpg
图片说明：Ashutosh Sabharwal（左）和Santiago Segarra
（图片来源：莱斯大学供图

链接：

George R. Brown 工程学院：https://engineering.rice.edu/
电气与计算机工程系：https://eceweb.rice.edu/
Ashutosh Sabharwal网站： http://ashu.rice.edu/
圣地亚哥塞加拉网站： http://segarra.rice.edu/
国家安全研究加速器：https://runsra.rice.edu/
无线开放获取研究平台：http://warpproject.org/trac
面向下一代端到端无线的可重构生态系统：https://renew-wireless.org/
可扩展的健康实验室：http://sh.rice.edu/
请参阅皮肤下方：http://www.seebelowtheskin.org/
通过变革性卫生技术挽救生命：https://pathsup.org/

大约：

莱斯大学位于休斯顿占地300英亩的森林校园内，一直被《美国新闻与世界报道》评为全美排名前20的大学之一。赖斯拥有备受推崇的建筑学院、商学院、继续教育学院、工程学院、人文学院、音乐学院、自然科学学院和社会科学学院，并且是贝克公共政策研究所的所在地。莱斯大学拥有 4,574 名本科生和 3,982 名研究生，本科生与教师的比例略低于 6 比 1。它的住宿学院系统建立了紧密联系的社区和终生的友谊，这只是赖斯在大量种族/阶级互动方面排名第一、在最佳大学中排名第二和生活质量排名第 12 的原因之一。赖斯大学还被Kiplinger’s Personal Finance评为私立大学中最具价值的大学。