معرفی

خشیار صارمی پژوهشگر مهندسی برق (سیستم‌های مخابراتی) با تمرکز بر مخابرات بی‌سیم پیشرفته و شبکه‌های نسل آینده هستم. در مقطع کارشناسی ارشد دانشگاه K.N. Toosi University of Technology، روی روش‌های تخصیص توان مبتنی بر یادگیری ماشین در NOMA با رویکرد Cooperation و SWIPT کار کرده‌ام. در ادامه، مسیر پژوهشی‌ام را در تقاطع ISAC، THz و RIS گسترش داده‌ام و روی مدل‌سازی کانال، شبیه‌سازی سیستم و بهینه‌سازی عملکرد با روش‌های RL (PPO/DPPO) و GNN متمرکز هستم.

زمینه‌های تخصصی

• یادگیری ماشین و یادگیری عمیق: طراحی و پیاده‌سازی مدل‌های ML/DL برای سیستم‌های مخابراتی و بهینه‌سازی
• یادگیری تقویتی: توسعه و ارزیابی سیاست‌ها با PPO و نسخه توزیع‌شده آن DPPO برای تخصیص منابع و کنترل تصمیم‌گیری
• مدل‌سازی و شبیه‌سازی سیستم‌های بی‌سیم: مدل‌سازی کانال و سناریوهای شبکه، تحلیل عملکرد و طراحی آزمایش‌ها
• بهینه‌سازی پیشرفته: بهینه‌سازی تک‌هدفه/چندهدفه و روش‌های فراابتکاری (PSO، GA و…)
• پیاده‌سازی پژوهشی قابل تکرار: کدنویسی تمیز، مستندسازی علمی، و آماده‌سازی نتایج قابل ارائه برای مقاله/گزارش

تحصیلات

•  کارشناسی ارشد مهندسی برق (مخابرات سیستم)، دانشگاه K.N. Toosi University of Technology، تهران
• کارشناسی مهندسی برق (مخابرات سیستم)، دانشگاه K.N. Toosi University of Technology، تهران

تجربه‌های پژوهشی و آکادمیک

• عضو تیم پژوهشی TITAN Lab (Terahertz Integrated Technologies for Advanced Networks)
• تمرکز: ISAC، THz، RIS، توسعه مدل‌های شبیه‌سازی کانال و مطالعه/پیاده‌سازی روش‌های PPO/DPPO و GNN برای بهینه‌سازی عملکرد.
• دستیار آموزشی درس Numerical Optimization (تحصیلات تکمیلی)
• مدرس و منتور برنامه‌نویسی پایتون (خصوصی و سازمانی) 

انتشارات (Publications)

• NOMA-SWIPT Optimization with PSO and Machine Learning Algorithm – Proc. IST 2024 – DOI: 10.1109/IST64061.2024.10843637

• Energy Allocation Methods in NOMA Modulation Using Machine Learning Algorithms in the Presence of Jamming – Proc. ICEE 2025  – DOI : 10.1109/ICEE67339.2025.11213581

تألیف و نگارش تخصصی

• کتاب در حال نگارش: From PPO to DPPO: Deep Reinforcement Learning for THz-Enabled ISAC Networks
  شامل مبانی نظری، جزئیات الگوریتمی و پیاده‌سازی‌های عملی PPO/DPPO در شبکه‌های THz-ISAC.
• نگارش و توسعه مقاله پژوهشی پیرامون به‌کارگیری چارچوب‌های Quantum Machine Learning در سامانه‌های مخابراتی کلاسیک و کوانتومی، شامل صورت‌بندی مسئله، طراحی الگوریتم، شبیه‌سازی و تحلیل عملکرد در سناریوهای عملیاتی.

علایق پژوهشی

• ISAC / Joint Communication & Sensing، THz/mmWave Beamforming، RIS/SIM
• AI for Wireless: RL (PPO/DPPO)، Transformers، GNN
• Physical Layer Security، Robust Channel Estimation، AI-assisted Resource Allocation
• Quantum Communications / Quantum ML (QML) / QNN

ابزارها و فناوری‌ها (Toolbox)

• Programming: Python, MATLAB
• ML/DL Frameworks: PyTorch, TensorFlow, Scikit-learn
• Scientific & Data: NumPy, Pandas
• Visualization: Matplotlib, Plotly
• Optimization & Research: Numerical Optimization, Metaheuristics (e.g., PSO), Simulation-driven evaluation
• Simulation/Engineering Tools: ns-3, CST Studio Suite, ADS
• Dev & Writing: Git, Docker, LaTeX
• OS: Linux (Ubuntu), Windows