感知智能研究平台

感知智能是以信号处理技术为基础，利用先进人工智能技术，有效解决传感器数量、类型受限的问题。并利用多维跨域信息解决应用领域的核心痛点问题。主要在几个方面寻求突破：

（1）跨域感知：利用不同物理域的数据进行高精度的定位、感知以高精度行为识别，实现从直接感知到间接感知的飞跃。

（2）融合感知：结合人工智能方法，利用多维数据从模型迁移、可解释性、及数学模型等方面实现信号的分析与理解，实现从结合到融合的飞跃。

（3）认知智能：透过感知目标的表象实现本体认识，即通过对目标行为的分析，实现具有一定穿透能力的理解。实现从感知到认知的飞跃。

目前研究院科研团队的研究成果广泛发表于领域顶级会议和期刊如ACM MobiCom, IEEE INFOCOM，JSAC，TMC，TON等，相关研究成果广泛用于工业物联网和人机交互应用。

数据智能研究平台

数据作为新时代的战略资源，流通共享是大数据充分发挥价值的刚性需求，隐私安全是数据应用的必要保障。然而当前我们却面临着由于数据价值未知、数据所有方利益冲突引起的不愿共享；由于对数据隐私安全威胁担忧导致的不敢共享；以及由于技术局限和流通渠道不畅带来的不易共享。因此，亟需大数据安全共享和智能服务的核心技术，以突破隐私安全瓶颈，疏通数据共享渠道，打破数据孤岛壁垒，实现数据融合服务。

基于泛在物联网多源数据的接入共享，研究院科研团队重点研究多模态数据的全面、精准、高效的理解标记和知识挖掘，数据多维质量评估和恶意样本检测，数据隐私检测和无损脱敏，数据定价和共享机制设计，服务安全审计和隐私计算，以及数据追踪溯源等核心技术，以提供强大的数据资源和智能服务搜索能力，打造集数据、算法、算力于一体的数据共享服务平台。

计算智能研究平台

    传统云计算以云端数据中心为核心的集中式处理模式面临网络通信延迟长、数据传输代价大、安全和隐私保护风险高等问题。边缘计算将计算资源部署到靠近数据源和用户的互联网边缘，通过云边端协同模式提供计算服务，更好的支持大数据、物联网、人工智能等应用，在缓解网络带宽压力、减少服务延迟、提升数据和计算安全等方面优势显著。

  研究院科研团队重点研究云端数据中心的资源和能耗管理，云边端协同中数据的协同存储与计算任务的划分、分配、调度和迁移，复杂数据流的路由和调度，服务定价和多方博弈，计算和数据的安全与隐私保护等关键难题，实现绿色、智能、安全的云边端协同计算。核心技术应用于自动驾驶、智慧城市、物联网安全、大宗商品监管等领域。

物联智能研究平台

   物联智能是物联网向大规模、普适化和智能化的重要技术，主要利用新型低功耗网络技术，实现从有源到无源的跨越，为物联网未来的10亿规模提供技术动力。。研究院科研团队主要在以下几点公关创新：

（1）网络惟能：网络以能量为中心并开展协作。在物理层利用反射通信技术降低能耗，在网络层采用物理层协作机制提高网络容量和协作效率。

（2）自主获能：物联网节点从环境中智能获取能量，实现能量先导，计算支撑的可持续供能与计算体系架构，有效解决能量获取与计算任务之间的矛盾。

（3）智能协作：利用群智感知技术及智能连接技术，有效利用有限的节点资源实现智能体之间的低耗高效协同，增强网络协作能力和扩展性能。

（4）网络智能：分析大规模复杂网络统一容量规律，挖掘不确定性的规律性，无序中的有序性，竞争中的协同性；揭示由局部智能到全局智能的网络智能涌现机理。

       目前平台已经在网络空间安全，物联网安全及智慧城市方面承担科技部重点研发课题，为绿色、智能、开放的系统架构与应用示范提供技术支撑。

研究成果主要应用领域包括：智慧家居，智能物流，能够为物联网大规模无源化应用提供技术支持和完整的解决方案。

量子智能研究平台

    量子智能是利用量子计算硬件的强大计算能力，设计智能的量子算法解决复杂问题理论与技术。我们的研究主要集中于以下三个方面：

（1）量子计算基础理论：研究量子态叠加、纠缠、非局域性等量子力学有别有经典的力学的根本原因，充分发掘量子计算的潜力。

（2）量子智能算法设计：探究量子算法在一些经典问题、机器学习与大数据分析等方面的优势，设计具有量子优势的智能算法。

（3）量子程序优化理论：分析并优化量子程序编译阶段的数据与指令，从时空两方面提升量子智能计算的效率。

在现有技术条件下，进行量子计算物理实验的成本高、效率低。我们计划开发包含硬件操控模块、程序开发模块、量子算法库、量子通信模块等的量子计算模拟实验平台，从理论上进行量子计算的验证、分析，促进量子计算理论、算法设计等方面的研究。其中硬件操控模块暂时调用经典的计算能力，但也可以操控特定的量子计算设备，经过迭代开发，最终将模拟平台发展成为“量子计算机操作系统”。