Daniel Rodrigues de Luna

Possui graduação em Ciências e Tecnologia pela Universidade Federal do Rio Grande do Norte (UFRN) e em Engenharia de Telecomunicações pela UFRN em 2016 e mestrado em Engenharia Elétrica pela UFRN em 2018. Adquiriu o título de doutor em engenharia elétrica de computação na área de sistemas de telecomunicações. Possui experiências em prototipagem de ferramentas computacionais para desenvolvimento de algoritmos de gerência de recursos de rádio (Radio Resource Management). Coorienta e treina alunos de graduação para atuando na concepção de soluções para telecomunicações, com objetivo final sendo a contribuição do conhecimento adquirido em forma de artigos científicos e treinamentos disponibilizados de forma pública. Atua principalmente nos seguintes temas: sistemas dinâmicos mMTC 5G envolvendo aprendizado por reforço. Também tem experiência nos temas, que envolvem prototipagem, como a avaliação das técnicas de multiplexação OFDM e GFDM em canal sem fios seletivos em tempo e frequência (como ambientes submarinos). Além disso, como forma de avaliar sistemas como Wi-Fi, LTE e NR, concebe-se e testa-se soluções de RRM utilizando aprendizado de máquinas por meio de simuladores de eventos discretos, sendo esse outro tópico cuja experiência está bem estabelecida. Um terceiro tema é na concepção de soluções em código-aberto para softwares open-source como nas iniciativas ns-3 (network simulator version 3), RIC (RAN Intelligent Controller) da O-RAN e OAI (OpenAirInterface) Software Alliance.

The researcher holds a Bachelor's degree in Ciências e Tecnologia from the Universidade Federal do Rio Grande do Norte (UFRN) and a Bachelor's degree in Engenharia de Telecomunicações from UFRN in 2016. Also, completed their Master's degree in Engenharia Elétrica from UFRN in 2018. Earned a Ph.D. in Engenharia Elétrica with a specialization in systems de telecomunicações. He has experience in prototyping computational tools for developing radio resource management algorithms. Futhermore, co-supervise and train undergraduate students in conceiving telecommunications solutions, with the ultimate goal of contributing the acquired knowledge through scientific articles and publicly available training materials.The main research areas revolve around dynamic mMTC (massive Machine-Type Communications) systems in the context of 5G, involving reinforcement learning. Additionally, I have experience in prototyping techniques such as evaluating OFDM and GFDM multiplexing in selective time and frequency wireless channels, particularly in underwater environments. Moreover, to assess systems like Wi-Fi, LTE, and NR, we design and test RRM (Radio Resource Management) solutions using machine learning through discrete-event simulators, with well-established expertise in this field.Another area of focus is the conception of open-source solutions for open-source software, particularly in initiatives like ns-3 (network simulator version 3), RIC (RAN Intelligent Controller) from O-RAN, and OAI (OpenAirInterface) Software Alliance.