Votre rôle est d’effectuer un travail de thèse sur : “ Reconfiguration du réseau basée sur l’IA pour l’amélioration de la qualité de service dans la 6G”. La prochaine génération des réseaux mobiles devrait permettre le fonctionnement efficace des systèmes industriels IoT, en économisant la consommation d’énergie. Dans ce contexte, les communications ultra-fiables à faible latence (URLLC) sont un élément clé pour ces applications qui nécessitent simultanément des contraintes strictes en termes d’une faible latence, un haut niveau de fiabilité, et le support d’un nombre massif de connexions.  Par conséquent, respecter tous ces exigences représente un défi pour la future génération de réseaux mobiles et nécessite les méthodes d’apprentissage pour la prédiction et pour l’adaptation du réseau aux besoin du service demandé afin de garantir la performance nécessaire quand et où est demandé.
L’idée de la thèse est de concevoir des réseaux intelligents capables de transporter des informations critiques dans le temps et de s’adapter aux besoins des applications. L’objectif est de proposer la configuration du réseau qui réalise le meilleur compromis entre qualité de service (QoS) et consommation d’énergie.
Dans les applications automobiles et d’automatisation industrielle, les mécanismes prédictifs de QoS permettent de prédire les changements potentiels de QoS. Si la QoS prévue n’est pas satisfaisante, une reconfiguration du réseau basée sur l’IA est nécessaire pour atteindre la QoS cible. Nous nous intéressons au niveau RAN à l’intégration de l’IA dans la configuration de l’interface radio (exploitation de la multi-connectivité, allocation des ressources radio) pour améliorer la QoS. En particulier, l’apprentissage par renforcement sera l’outil privilégié pour apprendre la configuration optimale du réseau. Cependant, un grand défi se pose : la contrainte stricte sur la fiabilité implique que la perte de paquets est un événement rare, ce qui signifie une lente convergence d’apprentissage. Une approche assistée par le modèle sera proposée : les connaissances antérieures contenues dans les modèles mathématiques sont intégrées dans des algorithmes d’IA afin de réduire la quantité d’entraînement nécessaire.

o   Master en télécommunications ou mathématiques appliquées
o  Compétences en apprentissage (apprentissage par renforcement, processus de décision markovien, …)
o   Connaissances approfondies dans le domaine des réseaux fixes et mobiles (architectures et protocoles, virtualisation, SDN, 5G, gestion de la qualité de service, allocation de ressources …)
o   Compétences en modélisation des réseaux et systèmes (probabilités, processus aléatoires, files d’attentes, …)
o   Compétences programmation et en développement informatique (Python, Matlab, C/C++, …)
o   Maitrise de l’Anglais écrit et orale
o   Bonnes qualités relationnelles d’évoluer dans une équipe multiculturelle