薛烨

副教授

E-mail：xuey57@mail.sysu.edu.cn

研究方向：网络世界模型、学习优化（L2O）、稀疏/高效人工智能、可解释人工智能

个人主页：https://yokoxue.github.io/

基本信息
 

薛烨，中山大学智能工程学院副教授、博士生导师，逸仙新锐学者，深圳市“鹏城孔雀计划”特聘岗位人才。本科毕业于东南大学吴健雄学院，获信息与通信工程学士学位；后于香港科技大学电子与计算机工程学系获博士学位。长期围绕高效/可解释 AI 与网络环境智能开展研究，在稀疏编码、学习优化、网络环境孪生等方向形成系统性成果。在相关领域顶级期刊与会议发表论文30余篇，其中第一/通讯作者20余篇，部分理论工作被海外顶尖高校的机器学习教材引用。主持国家自然科学基金青年项目、国家重点研发计划课题子课题等。曾在罗智泉院士领衔的“未来网络优化创新实验室”中联合主持多项通信网络环境智能的企业委托研发项目，助力相关企业保持5G网络性能的全球领先。

教育与工作经历

  1. 2025.10—至今 中山大学 智能工程学院，副教授
  2. 2022.08—2025.10 深圳市大数据研究院，副研究员；香港中文大学（深圳）数据科学学院，客座助理教授
  3. 2017.09—2022.11 香港科技大学 电子与计算机工程学系，博士
  4. 2013.09—2017.07 东南大学 信息与通信工程，学士（吴健雄学院高等理工实验班）

研究方向

  1. 网络世界模型（面向低空、具身智能等复杂场景的多模态网络环境孪生/建模）
  2. 学习优化（Learning to Optimize, L2O）
  3. 稀疏与高效 AI

  4. 可解释 AI（XAI）


    课题组氛围轻松、资源与算力充足，欢迎对科研有热情、具备自驱力的博士后、博士生、硕士生与本科生加入，共同开展高水平研究。有意者请将个人简历、成绩单及相关科研成果发送至邮箱联系。

科研项目

  1. 国家自然科学基金青年项目：面向无线网络优化的信道数字孪生建模方法和应用研究，主持，2024—2026
  2. 国家重点研发计划“多模态网络与通信”专项：面向 6G 复杂应用场景的高动态无线环境预测与重建，子课题负责人，2023—2026
  3. 深圳市大数据研究院“知新”项目：基于图神经网络的无线环境建模方法研究，主持，2023—2024
  4. 国家重点研发计划：学习优化理论与方法及其在 5G 网络中的应用，项目骨干，2022—2027
  5. 广东省基础与应用基础研究重大项目：基于环境增强的 6G 网络关键技术研究，核心成员（共15人），2023—2028

产学研合作

  1. 未来网络优化创新实验室：多源数据融合的无线传播地图构建，联合主持，2024—2025
  2. 企业委托项目：“AI+无线”在地化环境孪生建模与优化关键技术，项目骨干，2024—2025
  3. 企业委托项目：通信高效的无线 AI 设计，项目骨干，2021—2022
  4. 企业委托项目：高精度、低复杂度的 WiFi 信道估计研究，项目骨干，2019—2020

  5. 企业委托项目：基于视距 MIMO 的高谱效无线回传系统设计，项目骨干，2018—2019

     

部分荣誉与奖励

  1. 深圳“鹏城孔雀计划”特聘岗位人才，2023
  2. 江苏省优秀本科毕业论文一等奖，2017（当届通信方向共2人）
  3. 宝钢奖优秀学生奖，2016（当届仅6人）
  4. 微软亚洲小学者奖学金，2015（中国大陆共32人）
  5. RoboCup China（Kidsize),  全国亚军，2015，核心成员
  6. 指导学生获得中国运筹学会第十届研究生论坛优秀报告、2025“先进MIMO无线通信理论与技术”研讨会“无线未来之星” 等荣誉

部分代表性论文

  1. Yiheng Wang*,Ye Xue†, Shutao Zhang, Tsung-Hui Chang, “GNN-based Structured Bayesian Inference for Multi-grid Localized Statistical Channel Modeling”, IEEE Transactions on Wireless Communications, 2025. doi: 10.1109/TWC.2025.3547705.
  2. Shutao Zhang, Ye Xue†, Zhiwei Tang, Hao Wang, Chao Shen, Qingjiang Shi, Tsung-Hui Chang, “Robust Network Optimization by Deep Generative Models and Stochastic Optimization”, IEEE Transactions on Wireless Communications, 2025. doi: 10.1109/TWC.2025.3551316.
  3. Yeqing Qiu, Chengpiao Huang, Ye Xue†, Zhipeng Jiang, Qingjiang Shi, Dong Zhang, Zhi-Quan Luo, “Relaxation-free Min-k-partition for PCI Assignment in 5G Networks”, IEEE Transactions on Signal Processing, 2025. doi: 10.1109/TSP.2025.3604409.
  4. Yeqing Qiu, Ye Xue†, Akang Wang, Yiheng Wang, Qingjiang Shi, Zhi-Quan Luo “ROS: A GNN-based Relax-Optimize-and-Sample Framework for Max-k-Cut Problems”, 2025 Forty-Second International Conference on Machine Learning (ICML 2025), accepted.
  5. Duanyi Yao, Songze Li, Ye Xue, Jin Liu, “Constructing Adversarial Examples for Vertical Federated Learning: Optimal Client Corruption through Multi-Armed Bandit”, International Conference on Learning Representations (ICLR), 2024.
  6. Y. Wang, S. Zhang, Ye Xue†, T. Yu, Q. Shi, T.-H. Chang, “Neural Enhanced Variational Bayesian Inference on Graphs for Localized Statistical Channel Modeling”, IEEE ICC 2024, Denver, pp. 342–347, 2024. doi: 10.1109/ICC51166.2024.10622313.
  7. Ye Xue, Vincent K. N. Lau, “Riemannian Low-Rank Model Compression for Federated Learning with Over-the-Air Aggregation”, IEEE Transactions on Signal Processing, 2023. doi: 10.1109/TSP.2023.3284381.
  8. Ye Xue, An Liu, Yang Li, Qingjiang Shi, Vincent K. N. Lau, “Joint Activity Detection and Channel Estimation in Massive Machine-Type Communications with Low-Resolution ADC”, IEEE International Conference on Communications (ICC), Rome, 2023.
  9. X. Ning, S. Zhang, Ye Xue†, X. Zheng, Q. Shi, T.-H. Chang, “Learning Beams Adaptive to the Environment: An RSRP-based Codebook Design”, IEEE SPAWC 2023, Shanghai, pp. 521–525, 2023. doi: 10.1109/SPAWC53906.2023.10304486.
  10. Ye Xue, Liqun Su, Vincent K. N. Lau, “FedOComp: Two-Timescale Online Gradient Compression for Over-the-Air Federated Learning”, IEEE Internet of Things Journal, vol. 9, no. 19, pp. 19330–19345, 2022. doi: 10.1109/JIOT.2022.3165268.
  11. Ye Xue, Vincent K. N. Lau, “Online Orthogonal Dictionary Learning Based on Frank–Wolfe Method”, IEEE Transactions on Neural Networks and Learning Systems, 2021. doi: 10.1109/TNNLS.2021.3131181.
  12. Ye Xue, Vincent K. N. Lau, Songfu Cai, “Efficient Sparse Coding using Hierarchical Riemannian Pursuit”, IEEE Transactions on Signal Processing, vol. 69, pp. 4069–4084, 2021. doi: 10.1109/TSP.2021.3093769.
  13. Ye Xue, Yifei Shen, Vincent K. N. Lau, Jun Zhang, Khaled B. Letaief, “Blind Data Detection in Massive MIMO via l3-norm Maximization over the Stiefel Manifold”, IEEE Transactions on Wireless Communications, vol. 20, no. 2, pp. 1411–1424, 2021. doi: 10.1109/TWC.2020.3033699.
  14. Yifei Shen, Ye Xue*, Jun Zhang, Khaled B. Letaief, Vincent K. N. Lau, “Complete Dictionary Learning via lp-norm Maximization”, Proc. Conference on Uncertainty in Artificial Intelligence (UAI), PMLR vol. 124, 2020, pp. 280–289. [Cite by UCB textbook “High-dimensional data analysis with low-dimensional models”]

 

 

部分专利

  1. 薛烨、王一衡、张树韬、于天舒、杨照辉、史清江、张纵辉，无线环境预测方法和装置、电子设备及存储介质，深圳市大数据研究院，中国发明专利，专利号：ZL 2024 1 0106374.5
  2. 邱烨卿、薛烨、史清江、罗智泉，无线通信系统的小区标识分配方法及相关设备，深圳市大数据研究院，中国发明专利，专利号：ZL 2024 1 0984193.2
  3. 马梦瑶、薛烨、刘坚能，数据处理方法及相关设备，华为技术有限公司，国际专利，PCT 公开号：WO 2024/060013，2024-12-02
  4. 张川、薛烨、尤肖虎，基于非理想信道下大规模 MIMO 线性迭代检测方法，东南大学，中国发明专利，专利号：ZL 2016 1 0669854.8

 

学术兼职

WiML-T (Women in Machine Learning Theory)   Mentor

DTMS 2023-International Workshop on Digital Twin-Empowered Mobile Networks, Systems and Applications, colocated with MobiSys, Helsinki, Finland, 2023.   TPC Member

npj Wireless Technology,  ICML， ICLR， IEEE Transactions on Signal Processing, IEEE Internet of Things Journal, IEEE Transactions on Wireless Communication, IEEE Transactions on  Communications,  IEEE Transactions on Green Communications and Networking, IEEE Transactions on Circuits and Systems II,等期刊会议审稿人