在基礎研究領域持續(xù)發(fā)力，深入通信與計算的理論本質，解決基礎理論問題，突破産業(yè)演進瓶頸

數(shù)學是一切科學的基礎，更是打開通信、計算、人工智能新世界的金鑰匙，為此華爲持續(xù)開展基礎數(shù)學及應用的研究。在隨機矩陣理論和算法學中，創(chuàng)新地提出了一種估計隨機矩陣的最小奇異值的方法，對n x n規(guī)模的稀疏線性方程組，應用該理論獲得

（ω表達矩陣乘法的指數(shù)）龐大度的求解算法，論文被計算機科學理論A類學術會議STOC 2022收錄。在二進制土地構建和訓練深度模型中，提出布爾邏輯反向傳播方法，以數(shù)學原理層的突破，解決超維二進制變量優(yōu)化的問題，使得深度學習算法可以直接在布爾域中完成，仿真驗證可達全精度訓練模型的性能。在拓撲斯理論和語義學中，面向語義學習提出一種全新的數(shù)學理論，構建出代數(shù)拓撲和邏輯命題的公共框架，并第一次提出基于群、偏序集合以及廣群的語義信息空間，實現(xiàn)對Roger N. Shepard、Carl I. Hovland、Herbert M.Jenkins實驗結果的完美解說，實驗顯示新型神經(jīng)網(wǎng)絡模型可擺脫“統(tǒng)計鸚鵡”模型的能力約束，獵取更靠近動物/人類的智力。

深入通信與計算的理論實質，不斷探索、挑戰(zhàn)、靠近理論極限。在信息論土地，提出了基于多邊耦合圖的編碼方法，在Tbit/s x 千km級長途光通信場景下實現(xiàn)性能提升約0.5dB，進一步靠近香農(nóng)極限。不斷挑戰(zhàn)熵編碼極限，提出快速非線性改換和輕量級上下文預測的非結構化數(shù)據(jù)編碼算法HZU，突破LZ壓縮范式，壓縮率提升30%左右。在網(wǎng)絡優(yōu)化土地，面對十萬級節(jié)點千萬級鏈路網(wǎng)絡流求解難題，提出網(wǎng)絡拓撲感知的定價NPP模型和自習慣稀疏優(yōu)化方法，實現(xiàn)求解速度數(shù)量級的提升；基于生物同化機制，提出CLIModel模型，網(wǎng)絡配置功效提升超5 倍，獲得ACM SIGCOMM 2022最佳論文獎。在計算和AI土地，提出一種加權最小化通信代價和最大化任務并行的分配和安排的方法，以此構建的三維并行訓練框架 Fold3D，相比業(yè)界主流系統(tǒng)，可實現(xiàn)性能提升25%以上；首次理論證明DPM的KL散度目標和反向過程的最優(yōu)方差存在解析解，可實現(xiàn)采樣功效20-80倍的提升，獲得ICLR 2022杰出論文獎。

堅持技術創(chuàng)新，促進産業(yè)快速發(fā)展，助力萬兆體驗、千億聯(lián)接、內生智能的新世界到來