Để chia sẻ các kết quả nghiên cứu, tăng cường giao lưu, kết nối giữa các nhóm, Trường CNTT&TT tổ chức seminar định kỳ hàng tháng.
Seminar tháng 1/2026 sẽ được tổ chức vào 11.30-12.30 ngày thứ năm, 29/01/2026. Buổi seminar cũng được livestream trên Fanpage của Trường Công nghệ Thông tin và Truyền thông, ĐHBKHN (fb.com/SoICTOfficially)
Thông tin bài trình bày
Tái tối ưu tài nguyên cho mạng 5G/6G
Abstract
Sự phát triển vượt bậc của mạng 5G và những bước tiến hướng tới 6G đã làm thay đổi hoàn toàn bối cảnh viễn thông, dẫn đến sự bùng nổ về lượng dữ liệu, đồng thời đặt ra các yêu cầu chưa từng có về độ trễ và thông lượng từ các ứng dụng mới như IoT quy mô lớn hay AR/VR. Tái tối ưu tài nguyên mạng (Network Resource Reoptimization) trở thành một yêu cầu liên tục và tất yếu để đảm bảo mạng hoạt động hiệu quả và thích ứng kịp thời với sự thay đổi liên tục của lưu lượng và nhu cầu dịch vụ. Bài trình bày giới thiệu một số kết quả nghiên cứu đã đạt được cho bài toán này, cũng như định hướng trong tương lai theo hướng áp dụng các phương pháp tối ưu hoá và học máy hiện đại.
TS. DƯƠNG QUANG HUY
GIẢNG VIÊN
Trường Công nghệ Thông tin và Truyền thông
Đại học Bách khoa Hà Nội
Bio
TS. Dương Quang Huy là giảng viên khoa Khoa học Máy tính, Trường Công nghệ thông tin và Truyền thông, ĐH Bách khoa Hà Nội (SoICT, HUST). TS. Huy đã nhận bằng Kỹ sư Công nghệ Thông tin từ HUST năm 2014, Tiến sĩ Khoa học Máy tính từ Đại học Concordia, Montreal, Canada vào năm 2020. Trước khi gia nhập HUST, TS. Huy trải qua một số công việc sau. Từ tháng 11 năm 2020 đến tháng 3 năm 2022, TS. Huy là nghiên cứu viên sau tiến sĩ tại Viện Nghiên cứu Máy tính Montreal. Sau đó, từ tháng 5 năm 2022 đến tháng 8 năm 2023, TS. Huy làm nghiên cứu sau tiến sĩ tại Đại học Concordia, Montreal. Từ tháng 9 năm 2023 đến tháng 7 năm 2025, TS. Huy làm việc với vai trò lập trình viên trong hệ thống quản lý doanh thu tại Air Transat, Montreal. Các lĩnh vực nghiên cứu quan tâm: vận trù học, tối ưu hóa quy mô lớn, và ứng dụng AI/ML trong mạng 5G/6G.
Tiềm năng của Model-based Reinforcement Learning trong thế hệ robot tự trị
Abstract
Xu hướng hiện nay là robot ngày càng đảm nhiệm các nhiệm vụ phức tạp trong các môi trường biến động, dẫn tới nhu cầu cấp thiết về khả năng học nhanh và thích ứng linh hoạt. Model-based Reinforcement Learning (MBRL) mang lại một bước tiến quan trọng khi kết hợp khả năng dự đoán với khả năng ra quyết định , giúp robot học cách tương tác với thế giới một cách hiệu quả và an toàn hơn. Bài trình bày này sẽ giới thiệu cơ chế hoạt động của MBRL, các kiến trúc nổi bật hiện nay, cũng như tiềm năng ứng dụng trong các nền tảng robot tự trị như xe tự lái và robot hình người.
TS. Tưởng Văn Đạt
Giảng viên
Trường Công nghệ Thông tin và Truyền thông
Đại học Bách khoa Hà Nội
Bio
TS. Tưởng Văn Đạt là giảng viên tại Khoa Kỹ thuật máy tính, Trường Công nghệ thông tin và Truyền thông, ĐH Bách khoa Hà Nội (SoICT, HUST). Trước khi gia nhập SoICT, TS. Đạt đã đảm nhận vai trò kỹ sư công nghệ cao tại các công ty như Samsung Display Việt Nam và Viettel High Tech. TS. Đạt nhận bằng Kỹ sư ngành cơ điện tử tại ĐH Bách Khoa Hà Nội năm 2012, và bằng Thạc sĩ và Tiến sĩ ngành phần mềm hệ thống và dữ liệu lớn tại ĐH Chung-Ang, Hàn Quốc, lần lượt vào năm 2021 và 2025. TS. Đạt có nhiều công trình nghiên cứu công bố trên IEEE Transactions in Wireless Communications, Transactions in Network Science and Engineering, Transactions in Industrial Informatics, Internet of Things Journal, v.v.. Một trong những hướng nghiên cứu nổi bật của TS là ứng dụng trí tuệ nhân tạo, đặc biệt là thuật toán học tăng cường trong giải quyết các bài toán tối ưu tài nguyên của mạng truy nhập không dây. TS. Đạt đã được nhận một số bằng khen về hoạt động nghiên cứu xuất sắc tại ĐH Chung-Ang, Samsung Display Việt Nam và Viettel High Tech.
Đăng ký tham dự
