Optimisation des ressources avec jumeau numérique intégré pour des réseaux d'accès radio 6G natifs à l'IA

Description

Les réseaux sans fil de nouvelle génération, tels que la 5G-Advanced et la 6G, devront prendre en charge des cas d'usage de plus en plus exigeants, notamment les communications immersives, l'intégration de fonctions de localisation et de détection, la mobilité autonome, l'automatisation industrielle et les services de santé numériques. La satisfaction de ces exigences diverses nécessite une transformation fondamentale de l'exploitation et de la gestion des réseaux. Les systèmes sans fil du futur devront intégrer une conscience contextuelle multimodale, une intelligence situationnelle en temps réel, un contrôle en boucle fermée et une analyse «what-if» rapide afin d'assurer une performance proactive et optimale dans des environnements hautement dynamiques.

Les réseaux à jumeau numérique (Digital Twin Networks — DTN), définis comme des répliques virtuelles des infrastructures radio physiques, constituent une approche prometteuse pour atteindre ce niveau avancé de gestion intelligente. Contrairement aux outils de simulation traditionnels reposant sur des modèles statistiques statiques, un DTN reflète continuellement le réseau réel en modélisant avec précision la propagation RF dans des environnements 3D réalistes, en intégrant le comportement de l'ensemble de la pile protocolaire et en maintenant une synchronisation bidirectionnelle avec le système physique. Ces capacités en font un outil puissant pour l'entraînement de modèles d'IA adaptés au site, la surveillance proactive des performances, la gestion des interférences et l'évaluation de politiques réseau.

Cependant, la construction et le maintien d'un DTN à haute fidélité demeurent difficiles en raison de l'échelle, des dynamiques et de l'hétérogénéité des réseaux modernes. Les plateformes existantes, telles que Microsoft Azure Digital Twins, se concentrent principalement sur la collecte et la visualisation de données, avec des capacités limitées en matière de prédiction et de contrôle en boucle fermée. À l'inverse, des outils émergents comme NVIDIA Sionna permettent une modélisation réaliste des canaux radio et des performances de liaison, mais ne disposent pas d'une intégration fluide avec des mécanismes de rétroaction en temps réel.

Ce projet de stage vise à combler cette lacune en développant un jumeau numérique de réseau en boucle fermée (NDT-in-the-loop) utilisant les logiciels et le banc d'essai disponibles au Laboratoire de radiocommunications et de traitement du signal (LRTS) du Département de génie électrique et de génie informatique de l'Université Laval.
Les travaux incluent:
- la conception d'un système NDT-in-the-loop utilisant Azure Digital Twin et un simulateur en temps réel basé sur Sionna;
- le développement d'une stratégie d'IA générative et d'apprentissage continu permettant de maintenir la synchronisation tout en réduisant la surcharge de communication;
- la validation du NDT-in-the-loop sur un banc d'essai.

Le résultat attendu est une plateforme de contrôle assistée par DTN, évolutive, capable d'assurer une conscience situationnelle en temps réel, une optimisation robuste des ressources radio et une résilience face aux conditions imprévues — une brique essentielle pour l'automatisation intelligente des réseaux 6G.

Exigences et conditions

La candidate ou le candidat doit être présent à Québec ou au Canada.