9月5日，由教师发展中心主办、信息与通信工程学院承办的“名师讲堂”，邀请到IEEE Fellow、南洋理工大学教授Dusit Niyato，为学校师生带来精彩的学术讲座《Diffusion Models in Generative AI Enabled Network Optimization》，相关师生参与讲座并进行互动交流。本次讲座由孙罡教授主持。

Dusit Niyato教授表示，生成扩散模型（Generative Diffusion Models, GDMs）已在生成人工智能（Generative Artificial Intelligence, GAI）领域崭露头角，展示了其在各种应用中的多功能性和效能。GDMs能够建模复杂的数据分布并生成高质量的样本，在图像生成和强化学习等任务中表现出特别的效果。此外，它们的迭代性质——涉及一系列的噪声添加和去噪步骤——是一种在学习和生成数据方面强大而独特的方法。

Dusit Niyato教授在报告中，介绍了生成扩散模型的一些前期研究基础，并深入探讨了生成扩散模型的特性和优势，强调了它们在各种领域的广泛适用性。Dusit Niyato教授介绍了网络优化中应用生成扩散模型的基本背景，以及一系列具体网络优化任务中应用生成扩散模型案例研究，展示了生成扩散模型与深度强化学习（Deep Reinforcement Learning, DRL）、语义通信（Semantic Communications, SemCom）和车联网（Internet of Vehicles, IoV）网络的集成。这些案例研究强调了生成扩散模型在现实场景中的实用性和效能，为网络优化与设计带来启示。

在交流环节中，Dusit Niyato教授和师生就生成扩散模型的特性和基于生成扩散模型的语音生成案例、生成扩散模型应用的时间开销问题进行了热烈的交流与讨论。同时，Dusit Niyato教授基于师生所提的问题，分析了生成扩散模型在学习和生成数据方面的优势，给师生们在网络优化中如何应用生成扩散模型提供了宝贵的思路。

本次名师讲堂由教师发展中心主办，信息与通信工程学院承办。

相关链接：

Dusit Niyato教授，IEEE Fellow，目前是新加坡南洋理工大学计算机科学与工程学院教授，研究方向包括无线和移动网络以及分布式计算，曾获IEEE通信学会亚太区最佳青年研究员奖，2011年IEEE通信学会Fred W. Ellersick论文奖，目前担任IEEE Communications Surveys & Tutorials期刊主编，该期刊影响因子为25.249，是通信领域期刊影响因子排名第一的国际顶级综述期刊，此外，也担任IEEE Transactions on Wireless Communications期刊编辑，担任IEEE Internet of Things Journal、IEEE Transactions on Mobile Computing、IEEE Transactions on Vehicular Technology、IEEE Wireless Communications和IEEE Network期刊副编辑，担任IEEE Journal on Selected Areas on Communications期刊的客座编辑，获誉2016-2017年度IEEE通信学会杰出讲师，2017-2021年度计算机科学领域高被引学者。