Глинский Кирилл Андреевич

Научный сотрудник Научно-учебной лаборатории телекоммуникационных систем Московского института электроники и математики им. А. Н. Тихонова НИУ ВШЭ. Высшее образование получил в Московском физико-техническом институте по направлению «Прикладные математика и физика»: бакалавриат окончил в 2020 году, магистратуру — в 2022-м. В Высшей школе экономики работает с 2025 года. Лабораторию телекоммуникационных систем МИЭМ, в составе которой он числится, возглавляет Е. М. Хоров.

Научную работу в НИУ ВШЭ совмещает с исследованиями в Лаборатории беспроводных сетей Института проблем передачи информации им. А. А. Харкевича РАН — эта аффилиация указана в его публикациях. Основная предметная область — беспроводные сети связи пятого поколения. Конкретные направления: предсказание состояния радиоканала (channel и CQI prediction), обеспечение сверхнадёжной связи с малой задержкой (URLLC), адаптация модуляции и кодирования, применение машинного обучения для управления радиоресурсами, реконфигурируемые интеллектуальные поверхности (RIS), сети Wi-Fi и Wi-Fi HaLow стандарта IEEE 802.11ah, автомобильная связь V2X и неназемные сети.

Одна из первых его работ — SDR-based Testbed for Real-time CQI Prediction for URLLC (в соавторстве с Е. Хоровым и А. Куреевым): экспериментальный стенд на программно-определяемом радио для предсказания качества канала в реальном времени. Демонстрация была представлена на конференции IEEE INFOCOM 2021. Развитием темы стали статья PABAFT: Channel Prediction Approach Based on Autoregression and Flexible TDD for 5G Systems (журнал Electronics, 2022, в соавторстве с А. Куреевым, А. Красиловым и Е. Хоровым) и доклад Performance of ML-Based Channel Prediction Algorithms for URLLC: Channel Model Matters на конференции IEEE BlackSeaCom (2023), где сопоставлялась работа алгоритмов предсказания канала на разных моделях среды.

В 2024 году в журнале IEEE Access вышла статья ALPACA: An Asymmetric Loss Prediction Algorithm for Channel Adaptation Based on a Convolutional-Recurrent Neural Network in URLLC Systems — алгоритм адаптации канала на основе свёрточно-рекуррентной нейронной сети с асимметричной функцией потерь. Параллельно он занялся реконфигурируемыми интеллектуальными поверхностями: работа 3D-PRISE: 3D-Printed Reconfigurable Intelligent Surface Element (IEEE BlackSeaCom, 2024) посвящена изготовлению элементов таких поверхностей методом 3D-печати, а исследование Experimental study of a User-Centric RIS in existing cellular systems опубликовано в 2025 году в журнале Computer Networks. К этому же циклу относятся Study of RIS Unit Cells Using 3D-Printed Waveguides и AMoRE: Additive Manufacturing of RIS Elements.

Среди других публикаций — Wi-Fi Receiver with Smoothed Equalization for Reliable Reception of Non-Orthogonal Streams (IEEE BlackSeaCom, 2024), Software-Based Restricted Access Window for Wi-Fi HaLow Devices (IEEE PIMRC, 2025) и MCS Selection Algorithm for 5G V2X Users with Variable Speeds. В ноябре 2023 года выступил на Московском телекоммуникационном семинаре с докладом Evaluating ML-Based Channel Prediction Algorithms for URLLC in High-Mobility Scenarios: Do Channel Models Matter?. Работы индексируются в IEEE, Scopus и репозитории публикаций НИУ ВШЭ; по данным Google Scholar его индекс Хирша равен 4.