Thèse 'Ai-Based Resiliency For Radio Access Networks Beyond 5G' H/F Orange

Votre rôle est d'effectuer un travail de thèse sur la Résilience des réseaux d'accès radio post-5G basée sur l'IA.

Les attentes des usages mobiles en matière de connectivité ne cessent de croître. Cependant, les infrastructures réseau, en particulier le Réseau d'Accès Radio (RAN), sont de plus en plus exposées en raison de la multiplication et de la gravité d'incidents d'origines diverses. Dans ce contexte, concevoir des réseaux mobiles résilients est indispensable afin de garantir la disponibilité et la continuité des services pour satisfaire les utilisateurs.
La résilience est un sujet fédérateur qui englobe des aspects essentiels tels que la robustesse, la disponibilité et la fiabilité [1] et s'inscrit dans une thématique plus large : l'évaluation des performances [2]. La résilience concerne aussi la gestion des événements rares, la tolérance aux pannes et l'adaptabilité et inclut des aspects qualitatifs et quantitatifs [3]. L'approche proposée par [4] servira de socle à ce travail.

L'objectif principal de cette thèse est de proposer et d'évaluer de nouvelles stratégies et mécanismes, s'appuyant sur l'intelligence artificielle (IA), afin d'améliorer la résilience du RAN. Ces approches s'appuieront sur les mécanismes existants de gestion du trafic et exploiteront la coexistence de plusieurs générations de réseaux (4G, 5G, 6G) afin d'assurer une haute disponibilité des services mobiles, même en cas de panne ou de surcharge du réseau. Cela permettra d'augmenter la capacité et la flexibilité du réseau, grâce à une meilleure gestion des ressources radio.
Votre mission consiste à concevoir une stratégie basée sur l'IA permettant d'optimiser les paramètres radio en vue d'améliorer la résilience du réseau. En effet, les approches fondées sur l'IA, en particulier le Reinforcement Learning, permettront au RAN de s'adapter aux dynamiques de l'environnement réseau, via la sélection de la configuration optimale des fonctions de gestion du RAN, telles que le load balancing, qui répartit la charge entre les cellules, ou le traffic steering, qui oriente le trafic vers les ressources les plus adaptées
Par ailleurs, une approche analytique sera utilisée pour modéliser puis quantifier la résilience du réseau. Cela inclut la modélisation des pannes et des situations de congestion potentielles, ainsi que l'évaluation de leur impact sur la performance globale du réseau. Ces modèles théoriques évalueront le degré de résilience atteint par les solutions proposées.