Från elektronik till telekommunikation ‑ Neda Shalavi ny doktorand på STC

Ons 16 okt. 2024 11:25

Neda Shalavi, ursprungligen från Iran, började nyligen som ny doktorand vid STC Forskningscenter. Neda har en kandidatexamen i elektronik men när det var dags för masterstudier bytte hon inriktning till telekommunikation.

En kvinna i rutig blus står vid ett räcke och ler mot kameran.
Neda Shalavi ny doktorand vid STC Research Centre.

- Jag gick en kurs i avancerad engelska, där jag fick i uppgift att hålla en föreläsning om telekommunikation. Det väckte mitt intresse för området och ledde till att jag bytte fokus från elektronik till telekommunikation, berättar Neda.

I sitt examensarbete arbetade Neda med uppskattning av nedlänkskanaler för FDD-baserade Massive MIMO-system, vilket ledde till en publicerad artikel. Under denna tid utökade Neda sitt professionella nätverk på LinkedIn och kom i kontakt med Prof. Mikael Gidlund och hans forskargrupp vid STC Research Centre. 

Ville ha tillgång till den senaste tekniken 

- Jag ville doktorera i ett utvecklat land som Sverige, där tillgång till den senaste tekniken och forskningsanläggningarna är avgörande inom vårt område. Mikaels forskargrupp stack ut för mig eftersom de arbetar med spjutspetsprojekt med mycket skickliga forskare, vilket är anledningen till att jag bestämde mig för att söka tjänsten, berättar Neda

Neda börjar nu sina doktorandstudier vid Mittuniversitetet, med fokus på nätverksoptimering och hantering av radiofrekvensresurser i öppna radioaccessnät (Open RAN).

- Open RAN är en ny teknik som kompletterar 5G och möjliggör en mer flexibel och interoperabel nätverksarkitektur. Det är en öppen plattform där telekomoperatörer, forskare och leverantörer kan samarbeta för att utveckla och anpassa nätverksfunktioner. Jag har nyligen börjat utforska Open RAN och de olika metoder som används för att optimera och hantera nätverksresurser. Min doktorandforskning kommer att fokusera på att ta itu med resursfördelningar, viktiga utmaningar inom detta område, berättar Neda. 

Använda maskininlärning för flexibela nätverk

Beroende på de specifika användningsområdena kan nätverkets krav på latens, tillförlitlighet och dataflöde variera avsevärt. Nätverket måste effektivt allokera och orkestrera resurser för att uppfylla dessa varierande prestandakrav. Till exempel kräver en mobilanvändare som strömmar video vanligtvis måttlig latens och hög bandbredd, medan verksamhetskritiska industriella applikationer, såsom fjärrstyrda fordon, kräver ultralåg latens och hög tillförlitlighet. Nätverksarkitekturen måste vara mycket flexibel och anpassningsbar för att dynamiskt justera resurser och säkerställa servicekvalitet i så olika applikationer.

- Vi måste ta reda på problemen och skapa ett flexibelt nätverk som kan koppla ihop olika typer av noder och applikationer genom olika gränssnitt. Vi kommer att använda maskininlärning och matematiska optimeringstekniker för att uppnå detta. Vi har en 5G-installation i vårt labb, inklusive en 5G-basstation, som vi kommer att använda för att testa framtida optimeringsalgoritmer, berättar Neda. 

Ser fram emot att arbeta praktiskt och teoretiskt 

För närvarande fokuserar Neda på att utöka sina kunskaper om nätverksoptimeringstekniker, vilket kommer att vara avgörande för resursorkestrering i Open RAN. Tillsammans med sina handledare kommer hon snart att definiera den specifika forskningsfrågan för sin avhandling.

- Jag strävar efter att stärka både mina teoretiska kunskaper och praktiska färdigheter genom att bedriva forskning som leder till verkliga tillämpningar, snarare än att vara begränsad till simuleringar. Jag är angelägen om att samarbeta med både akademi och industri och bidra med värdefulla insikter som kan ha en positiv praktisk inverkan, avslutar Neda. 


Sidan uppdaterades 2024-10-16