Description
Date depot: 17 octobre 2023
Titre: Advanced Machine Reasoning Techniques for Future 6G Networks Management
Directeur de thèse:
Adlen KSENTINI (Eurecom)
Directeur de thèse:
Ulrich FINGER (Eurecom)
Domaine scientifique: Sciences et technologies de l'information et de la communication
Thématique CNRS : Non defini
Resumé: Next-generation networks are anticipated to be more complex and interconnected, involving a large number of devices and systems. Consequently, network management
frameworks are becoming more crucial to ensure the effective management of these networks. Zero Touch Service Management (ZSM) aims to automate and streamline network operations, such as planning, deployment, and optimisation, enhancing efficiency and reducing human intervention. In recent years, Artificial Intelligence (AI)-based network management methods have gained significant attention due to the increasing complexity of modern networks. In this vein, management systems have been leveraged with a closed control loop that aim relies on three key components: Monitoring System (MS), Analytical Engine (AE), and Decision Engine (DE). One vision of DE mechanisms is to explore how
Machine Reasoning (MR), an AI field that helps understand AE prediction and analysis in combination with Knowledge mechanisms to trigger optimal decisions. Indeed, the goal of MR is to develop AI systems that are understandable and can draw conclusions based on the information they are provided with within specific limitations, such as Quality of Service (QoS) degradation. MR systems rely on diverse types of knowledge, including logical rules, knowledge graphs, common sense, and textual evidence. Further, they use various inference algorithms to manipulate the available knowledge for problem-solving. Lastly, MR systems are designed to provide clear explanations for their predictions, ensuring good
interpretability. This thesis will focus on DE and on building novel MR methods to enhance network management frameworks. These approaches will be used to enable ZSM towards a fully closed loop control in 6G networks, particularly focusing on DE components using MR conclusions.
Résumé dans une autre langue: Les réseaux de prochaine génération sont prévus pour être plus complexes et interconnectés, impliquant un grand nombre d'appareils et de systèmes. Par conséquent, les
frameworks de gestion des réseaux deviennent de plus en plus cruciaux pour assurer une gestion efficace de ces réseaux. La gestion automatisée des services sans intervention humaine (Zero Touch Service Management - ZSM) vise à automatiser et rationaliser les opérations réseau telles que la planification, le déploiement et l'optimisation, améliorant ainsi l'efficacité et réduisant l'intervention humaine. Ces dernières années, les méthodes de gestion des réseaux basées sur l'intelligence artificielle (IA) ont suscité beaucoup d'attention en raison de la complexité croissante des réseaux modernes. Dans cette optique, les systèmes de gestion ont été exploités avec une boucle de contrôle fermée qui repose sur
trois composants clés : le système de surveillance (Monitoring System - MS), le moteur analytique (Analytical Engine - AE) et le moteur de décision (Decision Engine - DE). Une vision des mécanismes DE consiste à explorer comment le raisonnement machine (Machine Reasoning - MR), un domaine de l'IA qui aide à comprendre la prédiction AE et l'analyse en combinaison avec des mécanismes de connaissance, peut déclencher des décisions optimales. En effet, le but du MR est de développer des systèmes d'IA qui sont compréhensibles et peuvent tirer des conclusions basées sur les informations qui leur sont fournies dans des limites spécifiques, telles que la dégradation de la qualité de service (Quality of Service - QoS). Les systèmes MR reposent sur divers types de connaissances, ycompris des règles logiques, des graphes de connaissances, et des preuves textuelles. Deplus, ils utilisent divers algorithmes d'inférence pour manipuler les connaissances disponibles dans le but de résoudre des problèmes. Enfin, les systèmes MR sont conçus pour fournir des explications claires de leurs prédictions, assurant une bonne interprétabilité. Cette thèse se concentrera sur les composants DE et sur la création de nouvelles méthodes MR pour améliorer les cadres de gestion des réseaux. Ces approches seront utilisées pour permettre à la ZSM d'évoluer vers un contrôle entièrement automatisé dans les réseaux 6G, en se concentrant particulièrement sur les composants DE en utilisant les conclusions du MR.
Doctorant.e: Mekrache Abdelkader