从扑灭野火到协作机器人群，许多研究主题都需要理解 如何建立、利用和分析众多不同代理之间的网络。
MTRI 在各种网络科学领域开展前瞻性研究——从 传统的射频通信分析对群体形成和社交评估 媒体平台。该实验室的一个特别重点是开发新硬件并利用 机器学习技术可在恶劣环境中部署强大的通信网络， 例如地下洞穴或活跃的野火。 这些项目的选择表明 我们在各种应用领域的经验。
- 贝叶斯自适应机器人控制系统 (BARCS) - DARPA-TTO，地下挑战计划: 地下环境对于部署自动化来说是一个特别具有挑战性的领域 多智能体机器人系统，但这些系统对于灾难来说具有巨大的价值 响应和防御应用。我们的团队开发了用于模拟的新型控制器 自治代理的多代理团队使用分布式探索地下环境 图搜索算法和 MANET 技术。
- 集群态势感知结构 (SSAS) - DARPA-TTO，支持进攻性集群 战术（偏移）： 我们开发了基于群的合成透视墙平面图演示 具有基于图形的自动化任务规划器的重建技术。
- 预测社交网络绘图 - 海军研究办公室： 该项目通过开发推进了图卷积神经网络的理论 并实施预测模型来检测派生的社交网络图表的变化 来自 Reddit 数据。
- NIST 公共安全通信研究 (PSCR) 部门：野火 DLN 是一种硬件/软件组合解决方案，旨在建立强大的通信网络 适用于先前基础设施很少或根本没有的地区的急救人员。该项目利用 急救人员目前正在使用的功能，并以最少的额外补充进行补充 硬件，从而创建低成本解决方案以实现无缝数据传输 具有连通性的区域（例如大本营）与急救人员之间 他们处于没有网络连接的地区的前线。这项工作是合作完成的 与印第安纳大学和田纳西大学合作。
- 分布式雷达：AFRL 研究 探讨了使用雷达网络进行监视的要求和好处。 分布式雷达计划不是从一个雷达到另一个雷达的简单切换 探索了网络提供的同时角度多样性的利用 用于运动物体成像。
- 雷达和通信的共享频谱访问 (SSPARC)： 该 DARPA 项目探索了认知网络的波形设计和处理 无线电同时执行雷达和通信功能。 我们检查了 波形设计、网络时序要求、图像重建方法以及 构建网络信号包以实现网络协调.