Algorithm Powers Innovation

算法驱动创新

Algorithm Powers Innovation

算法驱动创新

研究方向

算法创新Lab秉承开发共赢的理念,愿意与学术界和工业界各位精英就以下研究方向(或历史方向)合作,如有意向请联系shijia@huawei.com。

  • 云边端流量成本调度

    研究在全球大规模部署的云边端分布式网络中,基于九州大脑与智能算法,最优化调度数百Tbps的网络流量,在保证体验的前提下,使得带宽成本最优。应用场景包含中心云Region间流量,云边骨干CDN流量,边雾HON-ONT流量,边雾端HON-P2P流量等等。

  • 云边端内容分发调度

    研究在全球大规模部署的云边端分布式网络中,基于九州大脑,HON与智能算法,将网络传输的每天万亿级新增内容,最优化预推到最合适的设备中,在保证体验的前提下,使得带宽成本最优。应用场景包含云边骨干CDN内容分发,边雾HON-ONT内容分发等等。

  • 智能P2P网络

    研究端边云协同的CDN+P2P架构和算法。通过智能P2P内容分发网络有效分散热点内容,降低CDN高峰压力,极大减少CDN带宽成本,提高用户体验。正在研究的方向包括P2P低时延组网算法,P2P快速分发算法,P2P热点预测算法,P2P稀缺种子预测与调度算法等。

  • 智能缓存

    CDN将成为支撑新兴技术的媒体智能化管道,通过学习型架构实现新一代CDN智能缓存引擎与算法。增强缓存算法业务感知和数据驱动的AI自学习能力,提升CDN命中率,增强CDN出流,能极大节省CDN带宽与服务器成本。

  • AI for System

    针对云服务系统,探索自学习,自适应,自优化的新一代学习型系统的架构与算法。从启发式架构与算法向学习型架构与算法演进。已在学习型分区,学习型排序,学习型多维索引构建等方向成功应用。正在面向云数据服务与云存储服务进一步探索研究。包括云存储中学习型高效EC算法,学习型分区选择算法等等。

  • 智能调度

    通过智能画像,智能规划和智能仿真等关键技术,提供容量评估、算法训练、事件复盘和模拟压测等能力,解决满足客户体验要求下,实现计算和带宽资源高效的分配。

  • 智能画像

    将媒体网络中海量的端侧、服务侧和网络数据资源充分利用,通过画像、回归、预测、分类智能算法,挖掘资源、业务行为等多维度信息的深层规律.

  • 智能传输

    超低时延直播、实时音视频等云媒体应用在全球迅速普及,而在当今复杂多变的网络中,如何保证用户在各种网络环境下的极致体验是音视频领域的挑战。其中网络传输作为音视频关键的核心技术,需要满足媒体服务低延时、大带宽、多场景的要求。智能传输技术深耕音视频业务,旨在通过面向媒体的网络探测与评估,抗弱网,网络自适应及缓存等技术,为各类云媒体业务的用户体验提供端到端保障。

  • 云资源需求预测

    研究全球各数据中心在不同时间、区域、资源对象在各种预测粒度下的需求量,基于不同机器学习、时序分析、用户画像技术进行准确预测,指导数据中心从宏观到微观的各种运营决策。

  • 云资源供给规划

    研究数据中心不同资源层的最优供给策略,从数据中心的功耗利用提升维度考虑不同粒度的资源规划,部署与摆放。结合历史使用数据和机器学习算法进行资源消耗模拟,结合仿真平台和各种优化算法进行决策推演。给出数据中心不同资源的上线最优策略。

  • 全域调度

    研究资源全域(跨端边云)的优化调度策略,从整体视角对需求资源进行最优的组合售卖和不同的算力购买优化。

  • 虚拟机调度

    随着不同代次的机型和VM的演进发展,需要不断探索多种场景下的虚拟机放置问题,在不断的创删过程中使得服务器能够充分摆放虚拟机,支持资源的最优消耗。需要基于数据驱动的方式不断提升放置的能力并确定放置的理论边界。

  • 算法仿真迭代平台

    支持全流程端到端仿真,满足各个场景下不同因素的影响评估,指标体系建设。支持算法迭代优化、发布,AB对比测试等等。平台支持的算法能力还会支持上层高阶的降碎片,提升使用率的能力服务。

  • 可微物理引擎

    研究可微物理引擎根技术,使虚拟世界中的物理法则能够基于自动微分/符号微分等技术实现快速精准的仿真计算,支撑刚体,软体,流体,粒子等多种物理学法则仿真。并研究物理信息神经网络等技术进一步使用AI加速物理计算。

  • 神经物理仿真

    研究基于AI预测来替代物理计算的神经物理仿真技术,解决控制方程过于复杂的物理计算难题,极大提高物理仿真速度。并充分利用云多元算力,训练形成多类通用神经物理仿真AI模型。

  • 深度强化学习物理仿真

    研究基于深度强化学习和可微物理引擎结合的物理仿真,实现在虚拟仿真环境中的物理交互循环和各类操作的学习算法,实现大规模并行环境中的计算完全统一,实现云多元算法力加速,加速如云机器人运动,操控等任务的高性能策略训练。

  • 仿真世界AI生成

    研究基于AI的合成数据生成技术,能生成用于训练深度神经网络的物理模拟合成数据和数据标注,支撑神经物理仿真和深度强化学习物理仿真。

  • 物理引擎应用技术

    研究基于云物理引擎的典型应用关键技术,端到端打通云物理引擎的开发环境与应用生态。

  • 运营领域算法

    通过分类、回归、预测分析、推荐搜索,以及其他机器学习/深度学习算法,提供多种运营分析能力,如云服务产品或解决方案推荐、线索智能定级分发、商业营销管控、用户流失预警等,提升华为云运营效率和用户体验,最终促进华为云商业成功。

  • 时间序列算法框架

    华为云存在大量时序数据,我们构建统一的时序算法框架,包括特征提取、数据预处理、单变量/多变量预测、单变量/多变量异常检测等,支持多个业务场景智能化需求的快速落地和持续演进。

  • 推荐算法框架

    华为云存在多个推荐场景,如产品推荐、解决方案推荐、官网推荐等,我们构建统一的推荐算法框架,支持华为云智能推荐业务的快速落地和持续演进。