Thèse de doctorat : “Politiques conjointes de report de calcul et d’ordonnancement pour les réseaux sans fil de nouvelles générations”

L'École doctorale : École Doctorale de l'Institut Polytechnique de Paris et le Laboratoire de recherche SAMOVAR - Services répartis, Architectures, Modélisation, Validation, Administration des Réseaux présentent l’avis de soutenance de Monsieur Ibrahim DJEMAI, autorisé à présenter ses travaux en vue de l’obtention du Doctorat de l'Institut Polytechnique de Paris, préparé à Télécom SudParis en : Réseaux, Informations et Télécommunications.

"Politiques conjointes de report de calcul et d'ordonnancement pour les réseaux sans fil de nouvelles générations"

Le lundi 18 mars 2024 à 14h,
Amphi 6
Télécom SudParis,
19 Place Marguerite Perey, 91120 Palaiseau

⇒ Disponible en visioconférence ici.

Membres du jury :

• M. Philippe CIBLAT, Professeur, Télécom Paris, FRANCE - Directeur de thèse
• Mme Mireille SARKISS, Maître de conférences, Télécom SudParis, FRANCE - Co-encadrant de these
• M. Loutfi NUAYMI, Professeur, IMT Atlantique, FRANCE - Rapporteur
• M. Philippe MARY, Maître de conférences, INSA Rennes, FRANCE - Rapporteur
• M. Luc VANDENDORPE, Professeur, UCLouvain, BELGIQUE - Examinateur
• Mme E. Veronica BELMEGA, Professeure, ESIEE Paris, FRANCE - Examinateur
• M. Salah  EL AYOUBI, Professeur, CentralSupélec, FRANCE - Examinateur

Résumé :

Les défis posés par le nombre croissant d'appareils connectés, la forte consommation d'énergie et l'impact environnemental dans les réseaux sans fil d'aujourd'hui et de demain retiennent de plus en plus l'attention.

De nouvelles technologies telles que le cloud mobile de périphérie (Mobile Edge Computing) ont vu le jour pour rapprocher les services en nuage des appareils et remédier à leurs limitations en matière de calcul.

Le fait de doter ces appareils et les nœuds du réseau de capacités de récolte d'énergie (Energy Harvesting) est également prometteur pour permettre de consommer de l'énergie à partir de sources durables et respectueuses de l'environnement.

En outre, l'accès multiple non orthogonal (Non-Orthogonal Multiple Access) est une technique essentielle pour améliorer l'efficacité spectral mobile. Avec l'aide des progrès de l'intelligence artificielle, en particulier des modèles d'apprentissage par renforcement (Reinforcement Learning), le travail de thèse porte sur la conception de politiques qui optimisent conjointement l'ordonnancement et la décharge de calcul pour les appareils dotés de capacités EH, les communications compatibles avec le NOMA et l'accès MEC.

Lorsque le nombre d'appareils augmente et que la complexité du système s'accroît, le regroupement NOMA est effectué et l'apprentissage fédéré (Federated Learning) est utilisé pour produire des politiques RL de manière distribuée. Les résultats de la thèse valident la performance des politiques RL proposées, ainsi que l'intérêt de l'utilisation de la technique NOMA.