成功上岸的师兄师姐们都说，联系导师是他们上岸过程中至关重要的步骤之一，找到适合自己的导师，与心仪导师取得联系并获得认可非常重要！从本期开始，我们将为大家介绍热门院校的导师，帮助同学们了解导师的研究方向，招收学生情况，帮助大家更好的进行申请定位！ 本期，我们将为大家介绍新加坡南洋理工大学的导师！
硕博导师 @ 新加坡南洋理工大学（NTU）
01 · 导师简介
Abdulkadir C. Yucel教授于2005年以最高荣誉毕业于土耳其Gebze技术学院电子工程专业,之后前往美国密歇根大学深造,分别于2008年和2013年获得电气工程硕士和博士学位。从2006年8月到2013年4月,他一直担任密歇根大学的研究助理。2013年5月至2017年12月,他先后在麻省理工学院等机构从事博士后研究。自2018年起,他加入新加坡南洋理工大学电气与电子工程学院,担任助理教授。
Yucel教授学术成就卓越,曾获2006年富布赖特奖学金、2007年密歇根大学电气工程与计算机科学系奖学金,以及2009年IEEE国际天线与传播研讨会学生论文竞赛荣誉奖。他目前担任IEEE多尺度多物理计算技术杂志、IEEE天线与传播杂志以及《International Journal of Numerical Modelling: Electronic Networks, Devices and Fields》的副主编,并为多个技术期刊审稿。
02 · 导师研究概况
Yucel教授主要从事以下两大方向的研究:(1)电磁分析和雷达中的深度学习、代理建模和优化技术;(2)快速电磁仿真及其在VLSI/微波/太赫兹电路、生物医学、光子学、无线信道表征和高度非均质介质分析中的应用。
他目前主持的主要科研项目包括:用于快速检测和成像树木缺陷的深度学习增强超宽带雷达、LEXUS高级穿墙感知和成像子项目D、纳米天线发光器件等。
03 · 研究解析
Yucel教授发表论文颇丰,主要集中在电磁兼容与干扰、计算电磁学、天线与电波传播、生物电磁学、雷达成像等领域的顶级期刊和会议,如IEEE TAP、IEEE TMTT、IEEE TBME、IEEE AWPL、IEEE TEMC等。他近年来侧重将深度学习、张量分解等前沿技术与传统电磁场求解方法相结合,极大提高了算法效率和适用性。
例如在2021年发表的一篇IEEE TAP文章中,他利用塔克分解(Tucker decomposition)压缩快速多极方法(FMM)中的平移算子张量,使存储和计算复杂度大幅降低。另一个有趣的工作是利用深度学习对体积分方程(VIE)求解器的加速,所开发的VoxImp程序能高效提取复杂三维结构的阻抗参数。
04 ·需做哪些申请准备？
要对Yucel教授的研究方向有比较深入的了解,熟悉他常用的研究方法和工具,例如积分方程法、快速算法、机器学习等。其次是提高自身的数学和编程能力,电磁场理论涉及大量偏微分方程和数值分析,C++、Python、MATLAB等语言是必备技能。
再有就是充实科研经历,在相关方向有所实践和成果会是一大加分项。如果能提前与老师沟通交流,明确他对学生的具体要求就更好。当然,学习成绩、语言成绩、推荐信等基本申请材料也要达标。
05 ·导师近年招收学生情况
从Yucel教授近三年指导的博士生论文题目可以看出,他对深度学习技术在电磁场快速求解中的应用非常感兴趣。有学生做的是深度学习和张量分解加速静电和磁准静态分析,另外的学生则将深度学习用于探地雷达的电磁成像,还有学生的工作是提取体素化互连结构和电路的参数。可以预见未来1-2年这方面的学生名额还是比较多的。竞争者如果能在申请阶段就有新颖的想法并与老师达成共识,无疑会增加录取机会。
06 ·研究想法举例
将知识蒸馏(knowledge distillation)引入快速电磁仿真领域可能会是一个有趣的尝试。传统上训练一个电磁场求解网络往往需要大量的训练数据和标签,成本很高。借助知识蒸馏,我们可以用一个更简单、更高效的学生网络去学习和模仿一个训练充分的教师网络,在保证精度的同时大幅节省数据和计算资源。当然要做好这件事还需要理论和实验的双重验证。
07 ·师兄师姐有话说
创新思考:
人工智能正在深刻影响着各行各业,电磁场仿真领域也不例外。Yucel教授近年来将机器学习引入快速算法,取得了丰硕成果。在他工作的启发下,知识蒸馏可能是一个值得探索的方向。传统上,训练一个电磁场求解网络需要大量标注数据,成本很高。借助知识蒸馏技术,我们可以用一个更小、更高效的学生网络去学习庞大复杂的教师网络,在精度损失可控的前提下大幅节省时间和资源。
当然,要让这一设想落地还需要理论和实验的双重论证。一方面要从偏微分方程的角度证明两个网络的等价性,另一方面要在基准测试中验证其收敛性和鲁棒性。这对学生的数理功底和动手能力都提出了更高要求,但也意味着更大的创新空间。
08 ·如何写自己的个人陈述？
在个人陈述中,可以通过以下几个方面来突出自己在电磁场领域的背景知识和研究经历:
课程学习:重点介绍你学习过的与电磁场理论、计算电磁学相关的核心课程,如电磁场与波、微波技术、天线与电波传播等,可以列举一些重点课题或项目。
科研项目:详细描述你参与过的电磁场仿真、天线设计、无线通信等方面的研究项目,说明你承担的角色、取得的成果以及从中学到的知识和技能。
实习经历:如果你在相关企业或实验室实习过,也可以适当提及,强调你在实际工程问题中运用所学知识的能力。
技术技能:突出你掌握的数值算法(如FDTD、FEM、MoM等)和编程语言(如MATLAB、Python、C++等),可以结合具体项目来说明。
论文发表:如果你已经在电磁场领域发表过论文,一定要重点介绍,因为这是你研究能力的最好证明。
下面是一个简单的英文个人陈述示例,供你参考:
During my undergraduate studies in Electronic Engineering at XX University, I have built a solid foundation in electromagnetics through core courses such as Electromagnetic Fields and Waves, Microwave Technology, and Antenna and Propagation. I was particularly fascinated by the power of computational methods in solving complex EM problems, which motivated me to dive deeper into this area.
In my junior year, I joined Prof. XX's lab and participated in a research project on developing a fast and accurate FDTD solver for analyzing microwave circuits. I was responsible for implementing the algorithm in C++ and optimizing its performance. Through this project, I not only strengthened my coding skills but also gained hands-on experience in applying numerical techniques to real-world problems. Our work was eventually published in IEEE Transactions on Microwave Theory and Techniques, which boosted my confidence in pursuing academic research.
Apart from coursework and projects, I also completed a summer internship at XX company, where I worked on designing and simulating antennas for 5G communications. This experience exposed me to the latest industry trends and challenges, and enhanced my ability to collaborate with engineers from diverse backgrounds.
With a strong academic record, rich research experience, and a genuine passion for computational electromagnetics, I believe I am well-prepared to undertake graduate studies under the guidance of Prof. Yucel. I am particularly drawn to his work on leveraging machine learning to accelerate EM simulations, and I hope to contribute my knowledge and skills to push the boundaries of this exciting field.
【竞赛报名/项目咨询请加微信：mollywei007】
