Thèse Optimisation Conjointe Par Renforcement D'un

**About the role**: Votre rôle est d’effectuer un travail de **thèse** sur **:« Optimisation conjointe à l’aide d’un apprentissage par renforcement d’un code correcteur d’erreurs et de son décodeur pour des transmissions mobiles »** Contexte global et problématique du sujet Le Codage Canal est une brique essentielle des systèmes de communication mobile, l’organisme de normalisation le 3GPP a lancé des groupes de travail pour définir la future norme 6G. Les contraintes pour le codage canal sont une grande flexibilité de la taille des données traitées avec une performance pour accrue par rapport à l’existant. Orange est un acteur majeur au sein du 3GPP où avec d’autres partenaires nous avons orienté le standard pour prendre en compte les aspects énergétiques. Le décodage canal est la partie la plus énergivore de la couche physique. Pour répondre aux nouveaux cahiers des charges du 3GPP, l’apport de l’Intelligence Artificielle pour construire de nouveaux codes correcteurs d’erreur sera un atout important. L'utilisation des techniques d'apprentissage profond (Deep Learning, DL) dans le domaine de la radio apparait de plus en plus dans la littérature technique [1, 2]. Cette technique issue de l’IA (Intelligence Artificielle) permet l’optimisation globale des ressources radios. Elle peut aussi être appliquée pour améliorer les traitements de signal de réception (démodulation, égalisation, décodage des codes correcteurs,...) sur des terminaux aux ressources en énergie limitée. Une troisième possibilité, encore peu explorée, est d’utiliser le DL pour construire des schémas de transmission (couple codage-modulation) optimisés (en performance, en énergie,). Le principal avantage est qu'il s'agit d'un processus d’optimisation qui n'a pas de contrainte de "temps réel", et qu'il peut donc se faire dans un premier temps sur des calculateurs ayant de bonnes ressources en CPU. [1] T. O’Shea and J. Hoydis, "An Introduction to Deep Learning for the Physical Layer," in IEEE Transactions on Cognitive Communications and Networking, vol. 3, no. 4, pp. 563-575, Dec. 2017, doi: 10.1109/TCCN.2017.2758370. [2] H. Kim, S. Oh and P. Viswanath, "Physical Layer Communication via Deep Learning," in IEEE Journal on Selected Areas in Information Theory, vol. 1, no. 1, pp. 5-18, May 2020, doi: 10.1109/JSAIT.2020.2991562. **Objectif scientifique - résultats et verrous à lever** [3] A. Elkelesh, M. Ebada, S. Cammerer, L. Schmalen,S. Ten Brink: "Decoder-in-the-Loop: Genetic optimization-based LDPC code design", IEEE Access, vol. 7 **About you**: **Compétences (scientifiques et techniques) et qualités personnelles exigées par le poste** O Maîtrise du traitement du signal et des communications numériques O Connaissance dans le domaine des codes correcteurs d’erreurs et de l’Intelligence Artificielle O Bonne connaissance des outils de programmation Python et langage C. O Anglais **Formation demandée (master, diplôme d’ingénieur, doctorat, domaine scientifique et technique)** **Expériences souhaitées (stages,)** O Une première expérience dans le domaine des communications numériques **Additional information**: **Department**: L’ambition de la Division Innovation est de porter plus loin l’innovation d’Orange et de renforcer son leadership technologique, en mobilisant nos capacités de recherche pour nourrir une innovation responsable au service de l’humain, éclairer les choix stratégiques du Groupe à long terme et influencer l’écosystème digital mondial. Nous formons les expertes et les experts des technologies d’aujourd’hui et de demain, et veillons à une amélioration continue de la performance de nos services et de notre efficacité. La division Innovation rassemble, dans le monde, 6000 salariés dédiés à la recherche et l’innovation dont 740 chercheurs. Porteurs d’une vision globale avec une grande diversité de profils (chercheurs, ingénieurs, designers, développeurs, data scientists, sociologues, graphistes, marketeurs, experts en cybersécurité ), les femmes et les hommes de Innovation sont à l’écoute et au service des pays, des régions et des business units pour faire d’Orange un opérateur multiservices de confiance. « Au sein de Innovation, vous serez intégré(e) dans une équipe de recherche à la pointe de l’innovation et de l’expertise sur les réseaux du futur (5G+, virtualisation, convergence fixe-mobile, mobile edge computing, Named Data networking, ).Vous ferez partie d’un écosystème de recherche côtoyant des ingénieurs d'études en anticipation (plus court terme) permettant la mise en œuvre concrète des concepts étudiées, bénéficiant de plateformes de simulations (4G/5G) ». **Contract**: Thesis