Thèse Energy Savings with Machine Learning for 6g

**votre rôle**:
Votre rôle est d’effectuer un travail de thèse sur « Energy savings with Machine Learning for 6G MIMO ».

Nous assistons à un engouement notamment chez les équipementiers télécoms dans l’utilisation du Machine Learning (ML, techniques d’IA) pour réaliser le design de systèmes de communications mobiles. Afin de pouvoir comparer les solutions les plus adaptées à ses besoins, Orange doit comprendre le fonctionnement des techniques ML. Développer des solutions propres basées sur le ML permettra d’opérer efficacement les réseaux, et de « challenger » les équipementiers sur leurs produits à base de ML.

Dans ce cadre et contrairement aux modèles de Deep Learning classiques de type Recurrent Neural Networks, les modèles de réseaux de neurones dit « liquides » sont à temps continu et bénéficient d’expressions analytiques explicites. Ils ont été développés récemment par une équipe du MIT et appliqués avec succès à des problèmes d’estimation de densités de probabilité et de modélisation de données avec une dynamique complexe (données échantillonnées irrégulièrement), pour des cas d’usage de navigation automatique de drones par exemple.

Nous appliquerons ces modèles innovants au MIMO et au Beamforming, briques de bases essentielles pour la 6G, et contribuerons à la spécification pour les futurs réseaux radio combinant le traditionnel compromis performance/complexité avec les critères d'efficacité énergétique, donnant une place prépondérante à ceux-ci, afin de répondre aux enjeux sociétaux et environnementaux du Groupe Orange.

Cette thèse s'inscrit dans l'axe stratégique d’Orange sur les Réseaux du Futur : rester à l’avant-garde des évolutions réseaux et de leur opération pour développer notre core-business.

Le but de la thèse est de mettre en œuvre des systèmes MIMO et de Beamforming pour les réseaux 6G via des nouvelles techniques d’IA, permettant de mieux moduler le compromis entre performance/complexité et consommation énergétique.

Nous aborderons le problème de détection en MIMO, nécessitant le développement de solutions sous-optimales pour être déployées dans les réseaux opérationnels. En pratique, les approches basées sur les réseaux de neurones « liquides » seront donc à même de challenger les modèles classiques (DetNet) de Deep Learning et d’être comparées avec les algorithmes de détection traditionnels. Pour les problématiques en Beamforming, nous aborderons l’optimisation de la matrice de précodage, dans un cadre réaliste sous des contraintes de puissance, d’EMF ou de débits mínimaux.

L’enjeu est de combiner le compromis traditionnel performance/complexité (BER/SNR, et FLOPS théoriques ou temps de calcul CPU mesurés) des techniques de résolution avec les exigences d’efficacité énergétique visées pour les futurs réseaux 6G. Ainsi, une analyse critique des systèmes de communications actuels d’un point de vue de la consommation énergétique sera menée dans le cadre de l’état-de-l’art à réaliser au cours de la thèse.

**votre profil**:
Compétences (scientifiques et techniques) et qualités personnelles exigées par le poste:

- Connaissances et expériences dans le domaine des communications numériques mobiles (traitement du signal).
- Connaissances et expériences dans le domaine du Machine Learning et des sciences des données.
- Des connaissances et expériences en Deep Learning seraient un plus.
- Curiosité, rigueur, autonomie.

Formation demandée (master, diplôme d’ingénieur, doctorat, domaine scientifique et technique):

- Master et/ou Diplôme d’Ingénieur.

**le plus de l'offre**:
L’approche innovante ici, consiste à construire des systèmes basés non pas, sur du Deep Learning (DL) standard, mais sur des réseaux de neurones artificiels dit « liquides ». En effet, ces modèles récents sont compacts et plus faciles à entraîner que ceux issus du DL classique : nombre de paramètres et consommation en mémoire réduits.

Vous intégrerez une équipe de recherche et de R&D dynamique et multiculturelle avec des experts radio et en optimisation/apprentissage internationalement reconnus. Vous évoluerez dans une équipe d’innovation dont les prérogatives sont au cœur du déploiement des nouvelles génération de communications mobiles (5G/6G).

**entité**:
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 rassembl