Description
Date depot: 6 décembre 2024
Titre: Nouvelles approaches pour la gestion des resources radio dans les réseaux 6G
Directeur de thèse:
Adlen KSENTINI (Eurecom)
Domaine scientifique: Sciences et technologies de l'information et de la communication
Thématique CNRS : Non defini
Resumé: Dans cette thèse, nous visons à développer de nouveaux algorithmes d’orchestration et de gestion de resources optimisant l’allocation des ressources du RAN pour soutenir les services 6G tout en assurant un équilibre optimal entre performance et consommation énergétique. Pour réaliser ces objectifs, nous exploiterons largement les algorithmes d’apprentissage automatique (Machine Learning), en nous concentrant non seulement sur la conception des modèles, mais également sur la deéfinition de frameworks facilitant les opérations ML de bout en bout, y compris la génération de jeux de données (dataset) et la validation des modèles ML. Dans le cadre de cet effort, nous proposons la création de jumeaux numériques du réseau (Network Digital Twins) pour le RAN, qui permettront de combler les lacunes en matière de jeux de données et de plateformes de validation pour les modèles ML. Ces jumeaux numériques permettront une expérimentation et une validation plus efficaces des solutions pilotées par l’IA/ML pour la gestion du RAN en 6G.
Résumé dans une autre langue: In this thesis, we aim to develop novel orchestration and management algorithms that optimize RAN resource allocation to support 6G services while achieving an optimal trade-off between performance and energy consumption. To realize these objectives, we will leverage AI/ML algorithms extensively, focusing not only on model design but also on constructing frameworks that facilitate end-to-end ML operations, including dataset generation and model validation. As part of this effort, we propose the creation of Network Digital Twins of RAN, which can address the dataset and validation platform gaps for ML models. These digital twins will enable more effective experimentation and validation of AI/ML-driven solutions for 6G RAN management.
Doctorant.e: El Ghalbzouri Salim