儒雅、谦和、自信、真诚，目前任职于英国伦敦玛丽女王大学的副教授刘元玮正是一位朝气蓬勃又具有英伦绅士气质的青年学者。在“AI+通信”的研究领域中，他是一颗冉冉升起的明日之星。自2015年至今，他已在非正交多址接入、可重构智能表面、无人机通信以及机器学习等领域发表了近200篇高质量论文，其中包括多篇ESI高被引论文和IEEE ComSoc best Reading论文。
据谷歌学术统计，其所有论文的总被引次数已达到1.3万余次，获评2021年科睿唯安全球高被引科学家全球高被引研究者，IEEE车载技术学会杰出讲师。由于其在物联网领域做出的杰出贡献，入选由AMiner评选的2022 AI 2000。
近日，他向AMiner介绍了其代表性工作STAR: Simultaneous Transmission And Reflection for 360° Coverage by Intelligent Surfaces，并分享了他的求学的经历、研究的感悟，以及在学生培养方面的心得。
求学英伦，乘风破浪。2013年，刘元玮告别了母校北京邮电大学，来到了位于伦敦的玛丽女王大学，攻读博士学位。
在博士生涯初期，他也经历过短暂的迷茫，尝试过许多研究方向。直到2014年，在兰卡斯特大学访问期间，他遇到了自己求学路上的一位重要的“领路人”——Zhiguo Ding教授。从那时起，他将自己的主要研究方向确定为非正交多址接入（Non-Orthogonal Multiple Access，NOMA）技术，并一直钻研至今。
在他看来，Zhiguo Ding教授对他的最大影响莫过于向他传授了“快乐科研”的思想，即享受科研、相信自己、为自己的研究成果而自豪。2015年，他结识了自己学术生涯中的另一座“灯塔”——南安普顿大学教授、英国皇家工程院院士Lajos Hanzo。“生活中温文尔雅、平易近人，工作上一丝不苟、认真负责”，这是他对Lajos Hanzo教授的评价。
Lajos Hanzo教授在学术写作上给予了他极大的帮助和指导。时至今日，他还会时常拿出当年保存的Hanzo教授的手稿，来回味学习。
拥抱AI，融会贯通。近年来，人工智能技术（AI）在计算机视觉（CV）等领域的应用取得了突飞猛进的发展。目前，在人工智能领域中，美英等国仍然处于优势地位，中国的研究者也正迎头赶上。
除了高校，国外的FLAG、国内的BAT等互联网巨头，以及三星、华为、高通等传统的通信公司都对AI技术研发有所布局。一些新的AI独角兽企业也纷纷开始崭露头角。伦敦玛丽女王大学在CV领域也做出了许多重要的工作。受到来自世界各地研究者的启发，刘元玮萌生了将AI与通信技术相结合的想法。2016年前后，他开始了博士后阶段的工作。在此期间，他首先尝试将AI用于自己熟悉的非正交频分多址通信场景。
之后，他又尝试将AI应用于无人机通信、可重构智能超表面（Reconfigurable Intelligent Surface，RIS）辅助通信等场景下。之所以持续从事AI in 6G方面的研究，是因为现代通信系统需要优化的参数和系统指标非常多，系统关切的指标会随着场景、用户的改变而变化。而AI技术可以同时优化多项参数，并且针对具体场景、结合用户的行为规律进行预测，最终做出智能决策。
相较于传统算法能搞好地适应场景的快速变化，基于AI的通信系统将更适用于车联网、高铁通信、室内通信等新场景。
笑对疫情，探索STAR。在新冠肺炎疫情爆发之初，伦敦很快就进入了封城状态，学校、餐厅等公共设施普遍都被封闭了起来，人们的生活一时间慢了下来。回忆起那段经历，刘元玮感慨万千。起初，他的工作受到了相当程度的影响，由于在家会受到一些生活琐事的干扰，很难保持亢奋的工作状态，工作效率直线下降。
面对这种情况，他及时做出了调整，强迫自己将工作和生活分开，通过出门散步调整心态。渐渐地，他发现从另一个角度来看，疫情之后的工作模式也产生了一些积极的变化。对于教职人员来说，原先的一些招生、开会、作报告、社交等杂事占用的时间变少了，反而留给研究的时间变多了，每天都有时间可以打开arxiv跟进最新的研究进展。
也正是在此时，他可以查阅大量文献，着手大力推进STAR项目，静下心来研究电磁、物理、麦克斯韦方程组，对研究中的“硬骨头”发起攻关。
质效兼备，科研人员成长三部曲。相较于CV、NLP等较为成熟的领域，AI in 6G的研究往往更具有突破性意义，然而数据积累、平台建设、系统构建等工作纷繁冗杂，可能会消耗大量时间。如何在学术成果的产出数量与质量取得平衡成为了许多AI研究者必须面对的问题。
在刘元玮看来，研究的数量和质量之前确实存在一些矛盾，但是二者并非完全对立，在某种程度上是可以兼顾的。但相对而言文章的创新性和质量更加重要。他对于博士生的培养一般分为以下三个阶段：（1）基础训练（博士第1年）：在开始阶段，由于博士新生缺乏对整个领域的了解，他会将系统模型亲自交给学生设计，让学生在模型实现、论文写作、应对同行评审、论文修改还的实践中学习知识，获得正反馈，享受研究的过程，培养研究的兴趣。
（2）科研进阶（博士第2-3年）：当学生积累一定的经验后，开始尝试沿着导师给出的大方向自己寻找课题、构建模型。他在这个阶段通过密集的讨论帮助学生分辨出具有研究前景的课题和模型，打磨出“Clean & Tidy”的研究思路。此时，他会根据学生的强项为其指出具体的攻关方向（比如理论推导、工程应用、数值优化），做到因材施教。在这个过程中，他会帮助学生将“天马行空”的想法落地。
（3）独顶大梁（博士后期或博后阶段）：学生在某些方面的技能已经成熟甚至开始超越老师，成为了合格的科研助手，帮助导师实现宏伟的研究构想。这时，他的学生已经可以帮助他将其“天马行空”的想法落地。