在基礎研究領域持續發力，深入通信與計算的理論本質，解決基礎理論問題，突破產業演進瓶頸

數學是一切科學的基礎，更是打開通信、計算、人工智能新世界的金鑰匙，為此華為持續開展基礎數學及應用的研究。在隨機矩陣理論和算法學中，創新地提出了一種估計隨機矩陣的最小奇異值的方法，對n x n規模的稀疏線性方程組，應用該理論得到

（ω表示矩陣乘法的指數）復雜度的求解算法，論文被計算機科學理論A類學術會議STOC 2022收錄。在二進制領域構建和訓練深度模型中，提出布爾邏輯反向傳播方法，以數學原理層的突破，解決超維二進制變量優化的問題，使得深度學習算法可以直接在布爾域中完成，仿真驗證可達全精度訓練模型的性能。在拓撲斯理論和語義學中，面向語義學習提出一種全新的數學理論，構建出代數拓撲和邏輯命題的公共框架，并第一次提出基于群、偏序集合以及廣群的語義信息空間，實現對Roger N. Shepard、Carl I. Hovland、Herbert M.Jenkins實驗結果的完美解釋，實驗顯示新型神經網絡模型可擺脫“統計鸚鵡”模型的能力約束，獲取更接近動物/人類的智力。

深入通信與計算的理論本質，不斷探索、挑戰、逼近理論極限。在信息論領域，提出了基于多邊耦合圖的編碼方法，在Tbit/s x 千km級長途光通信場景下實現性能提升約0.5dB，進一步逼近香農極限。不斷挑戰熵編碼極限，提出快速非線性變換和輕量級上下文預測的非結構化數據編碼算法HZU，突破LZ壓縮范式，壓縮率提升30%左右。在網絡優化領域，面對十萬級節點千萬級鏈路網絡流求解難題，提出網絡拓撲感知的定價NPP模型和自適應稀疏優化方法，實現求解速度數量級的提升；基于生物同化機制，提出CLIModel模型，網絡配置效率提升超5 倍，獲得ACM SIGCOMM 2022最佳論文獎。在計算和AI領域，提出一種加權最小化通信代價和最大化任務并行的分配和調度的方法，以此構建的三維并行訓練框架 Fold3D，相比業界主流系統，可實現性能提升25%以上；首次理論證明DPM的KL散度目標和反向過程的最優方差存在解析解，可實現采樣效率20-80倍的提升，獲得ICLR 2022杰出論文獎。

堅持技術創新，促進產業快速發展，助力萬兆體驗、千億聯接、內生智能的新世界到來