Plenárias

Moe Win é professor no Massachusetts Institute of Technology (MIT) e diretor fundador do Wireless Information and Network Sciences Laboratory. Antes de ingressar no MIT, ele esteve no AT&T Research Laboratories e no Laboratório de Propulsão a Jato da NASA. Sua pesquisa engloba teorias fundamentais, projeto de algoritmos e experimentos em rede para uma ampla gama de problemas do mundo real. Seus tópicos atuais de pesquisa incluem localização e navegação de rede, exploração de interferência de rede e ciência da informação quântica.Professor Win tem o grau de Fellow do AAAS, do IEEE e do IET. Ele serviu a IEEE Communications Society como membro eleito no Conselho de Governadores, como presidente eleito do Comitê de Comunicações de Rádio e como Professor Distinto do IEEE. Ele foi homenageado com dois prêmios técnicos pelo IEEE: o Prêmio IEEE Kiyo Tomiyasu e o Prêmio IEEE Eric E. Sumner (em conjunto com o Professor R. A. Scholtz). Juntamente com estudantes e colegas, seus trabalhos receberam vários prêmios. Outros reconhecimentos incluem o Prêmio Edwin H. Armstrong da IEEE Communications Society, o Prêmio Internacional de Comunicações Cristoforo Colombo, a Copernicus Fellowship e Laurea Honoris Causa da Università degli Studi di Ferrara, e o Prêmio Presidencial Americano para Cientistas e Engenheiros em início de carreira. Ele é um pesquisador altamente citado do ISI.

Abstract: Quantum information science is poised to create the next technological revolution. A key topic in quantum information science is the task of quantum state transmission using classical communication and quantum correlation. While such a task has been well studied for the one receiver setting, with exemplary protocols including teleportation and remote state preparation, little is known for multiple receivers. The difficulty in the multiple-receiver setting lies in that the spatially separated receivers need to perform distributed measurements and operations. In this presentation, we introduce new types of communication resources and put forth protocols for multiple-receiver setting in different scenarios. We advocate the use of random matrix theory to design and analyze the proposed protocols. The presented results reveal the fundamental resource tradeoff in multiparty quantum communication.

Petros T. Boufounos (SM) é cientista pesquisador-chefe sênior e líder de equipe de sensoriamento computacional nos Laboratórios de Pesquisa Elétrica da Mitsubishi (MERL) e professor visitante no Departamento de Engenharia Elétrica e de Computação da Rice University. Dr. Boufounos completou seus estudos de graduação e pós-graduação no MIT. Ele recebeu o S.B. licenciatura em Economia em 2000, o S.B. e M. Eng. em Engenharia Elétrica e Ciência da Computação (EECS) em 2002, e o Ph. D. em EECS em 2006. Entre setembro de 2006 e dezembro de 2008, ele foi um associado de pós-doutorado no Digital Signal Processing Group da Rice University. O Dr. Boufounos entrou para a MERL em janeiro de 2009, onde lidera a Equipe de Sensoriamento Computacional desde 2016.
Dr. Boufounos atuou como Editor de Área, IEEE Signal Processing Letters (2012-2014); Editor Sênior de Área, IEEE Signal Processing Letters (2014-2018); Membro do Conselho Editorial do SigPort (2015-2017); e é atualmente membro do Comitê Técnico de Teoria e Métodos de Processamento de Sinais do IEEE (2016-presente). Recebeu o prêmio SPS Best Paper Award (2015) e o Prêmio de Trabalho de Simpósio da Sociedade de Geociências e Sensoriamento Remoto (GRSS) (2014).
O foco de pesquisa imediato do Dr. Boufounos inclui aquisição e processamento de sinais, problemas inversos, teoria de frames, quantização e representações de dados, com aplicações em compressão, sensoriamento, processamento matricial e LIDAR, entre outros. Ele também tem interesse em como a aquisição de sinais interage com outros campos que usam dependem extensivamente de sensoriamento, como aprendizado de máquina, robótica e a teoria de sistemas dinâmicos.

Abstract: Recent advances in inverse problems, including sparse signal recovery and non-convex optimization have shifted the design paradigm for sensing systems. Computational methods have become an integral part of the design toolbox, enabling the use of algorithms to address some of the hardware challenges in designing such systems. One of the most promising applications of this paradigm shift has been in array imaging systems, such as ultrasonic, radar and optical (LIDAR). The impact is also timely, as array processing is becoming increasingly important in a variety of applications, including robotics, autonomous driving, medical imaging, and virtual reality, among others. This has led to continuous improvements in sensing hardware, but also to increasing demand for theory and methods to inform the system design and improve the processing.
This talk will present a general inverse problem framework for array processing systems, which allows us to describe both the acquisition hardware and the scene being acquired. Under this framework we can exploit prior knowledge on the scene, the system, and the nature of a variety of errors that might occur, allowing for significant improvements in the reconstruction accuracy. Furthermore, we can consider the design of the system itself in the context of the inverse problem, leading to designs that are more efficient, more accurate, or less expensive, depending on the application. We will explore applications of this model to LIDAR and depth sensing, radar and distributed radar, and ultrasonic sensing. In the context of these applications, we will describe how different models can lead to improved specifications in radar and ultrasonic systems, robustness to position and timing errors in distributed array systems, and cost reduction and new capabilities in LIDAR systems.

Leonardo Lizzi é atualmente professor associado na Universidade Côte d’Azur, na França. Ele recebeu o mestrado em Engenharia de Telecomunicações e o Ph.D. em Tecnologia da Informação e Comunicação pela Universidade de Trento, Itália, em 2007 e 2011, respectivamente. Durante seu Ph.D. foi pesquisador visitante na Pennsylvania State University, EUA, e na Universidade de Nagasaki, no Japão. De 2011 a 2014, foi pesquisador de pós-doutorado no Laboratório de Eletrônica, Antenas e Telecomunicações (LEAT) da Universidade Nice – Sophia Antipolis, França. No momento, sua pesquisa se concentra em antenas reconfiguráveis, miniaturas e multi-padrões para aplicações de Internet-of-Things, dispositivos portáteis e terminais 5G. Ele é o coordenador do curso de doutorado da Escola Europeia de Antenas (ESoA) sobre “Antenas e retenções para aplicativos IoT”. Ele é co-autor de mais de 110 artigos em revistas internacionais e anais de congressos.

Abstract: Last years have seen the spreading of the Internet-of-Things (IoT) idea, for which any kind of object should be equipped with wireless connectivity to communicate and share information over the internet. This paradigm will be disruptive by changing the way people interact with their environment, such as at home, at work, in transportation, etc. This implies that standard telecommunication aspects must be revised to match the IoT challenges. This led for example to the development of ultra-sensitive modulation schemes thanks to lower bandwidth requirements or the definition of new protocols capable of dealing with the tremendous number of connected objects and enabling compatibility between heterogeneous devices.
In this framework, this talk will focus on the antenna design problem, which must be also completely rethought. Differently from classical approaches, the design of IoT antennas can neglect the bandwidth requirements and focus on other aspects, such as strong miniaturization. On the other hand, depending on the application at hand, aspects as antenna efficiency or environmental sensitivity become particularly important and must be carefully considered. During the talk, several examples of antennas integrated into IoT devices and developed for different industrial and research projects will be presented and discussed.