Informations générales
Entité de rattachement
Le CEA est un acteur majeur de la recherche, au service des citoyens, de l'économie et de l'Etat.
Il apporte des solutions concrètes à leurs besoins dans quatre domaines principaux : transition énergétique, transition numérique, technologies pour la médecine du futur, défense et sécurité sur un socle de recherche fondamentale. Le CEA s'engage depuis plus de 75 ans au service de la souveraineté scientifique, technologique et industrielle de la France et de l'Europe pour un présent et un avenir mieux maîtrisés et plus sûrs.
Implanté au cœur des territoires équipés de très grandes infrastructures de recherche, le CEA dispose d'un large éventail de partenaires académiques et industriels en France, en Europe et à l'international.
Les 20 000 collaboratrices et collaborateurs du CEA partagent trois valeurs fondamentales :
• La conscience des responsabilités
• La coopération
• La curiosité
Référence
SL-DRT-24-0678
Direction
DRT
Description du sujet de thèse
Domaine
Défis technologiques
Sujets de thèse
Modèles d'apprentissage profond pour le décodage des codes LDPC
Contrat
Thèse
Description de l'offre
Le codes correcteurs d'erreurs jouent un rôle essentiel pour garantir l'intégrité des données dans de nombreuses applications, comme le stockage, la transmission, ou la mise en réseau des données. Au cours des dernières années, de nouvelles interactions sont apparues entre la théorie du codage et l’apprentissage automatique, considéré comme un moyen prometteur de surmonter les limitations des solutions existantes, notamment pour les codes de faible à moyenne longueur. Pour de nombreuses constructions connues de codes correcteurs, il s’avère que ces limitations sont principalement dues à l’algorithme de décodage, plutôt qu’à la capacité intrinsèque de correction du code. Cependant, trouver des modèles d'apprentissage automatique s'appliquant aux spécificités des codes correcteurs est difficile, et les recherches actuelles sont encore confrontées à un écart important par rapport aux limites fondamentales en longueur finie.
Ce projet de thèse vise à élargir les connaissances actuelles sur l’utilisation de l'apprentissage automatique pour le décodage des codes de parité à faible densité (codes LDPC), dans plusieurs directions. Premièrement, il étudiera les méthodes d'apprentissage d'ensemble, dans lesquelles plusieurs modèles sont entrainés pour résoudre le problème de décodage et combinés pour obtenir de meilleurs résultats. Des méthodes spécifiques seront conçues pour garantir la diversité des modèles individuels et couvrir toute la variabilité de la structure du code. Deuxièmement, il explorera la distillation des connaissances pour transférer les performances supérieures d'un ensemble vers un modèle unique, ou plus généralement d'un grand modèle vers un plus petit. Troisièmement, le projet étudiera les stratégies de décodage basées sur le syndrome, afin de permettre l'utilisation de modèles puissants de réseaux neuronaux, plutôt que les modèles actuels basés sur la propagation des croyances, libérant ainsi toute la puissance des méthodes proposées d'apprentissage d'ensemble et de distillation de connaissances.
Le doctorant sera accueilli au CEA-Leti à Grenoble au sein d’une équipe de recherche experte en traitement du signal pour les télécommunications (http://www.leti-cea.fr/cea-tech/leti/Pages/recherche-appliquee/plateformes/plateforme-telecommunications.aspx).
Université / école doctorale
Mathématiques, Sciences et Technologies de l’Information, Informatique (MSTII)
Université Grenoble Alpes
Localisation du sujet de thèse
Site
Grenoble
Critères candidat
Formation recommandée
Master IA ou Théorie de l'Information/Codage
Demandeur
Disponibilité du poste
01/09/2024
Personne à contacter par le candidat
SAVIN Valentin valentin.savin@cea.fr
CEA
DRT/DSYS//LS2PR
17, rue des Martyrs
38054 Grenoble
FRANCE
04 38 78 09 63
Tuteur / Responsable de thèse
SAVIN Valentin valentin.savin@cea.fr
CEA
DRT/DSYS//LS2PR
17, rue des Martyrs
38054 Grenoble
FRANCE
04 38 78 09 63
En savoir plus
http://www.leti-cea.fr/cea-tech/leti/Pages/recherche-appliquee/plateformes/plateforme-telecommunications.aspx