Deep Learning for The Next Generation of Cellular - Versailles, France - Maud LECOMTE

Description

**Deep Learning for the next generation of cellular vehicular communications systems (6G-V2X)**:

- Réf
- **ABG-116161**
- Sujet de Thèse- 05/08/2023- Contrat doctoral- Maud LECOMTE- Lieu de travail- VERSAILLES - Ile-de-France - France- Intitulé du sujet- Deep Learning for the next generation of cellular vehicular communications systems (6G-V2X)- Champs scientifiques- Télécommunications
- Mathématiques
- Mots clés- Véhicule connecté autonome, transition énergétique, V2X, 5G, 6G, IA, MATLAB, PHY, OFDM, C++, 3GPP, deep learning,**Description du sujet**:
**Description**

**Les futurs véhicules connectés autonomes (ACV) sont équipés de plus de 200 capteurs et dispositifs coopératifs connectés dans un réseau véhiculaire pour collecter d'informations via des communications véhiculaires (V2X).**

Ces systèmes coopératifs incluent des antennes MIMO, de larges bandes passantes et un degré plus élevé de variation temporelle, ce qui peut entraîner une dégradation significative des performances.

De plus, l'exploitation d'algorithmes d'intelligence artificielle (IA) dans la couche PHY du réseau cellulaire de 6eme génération (6G) peut répondre à ces limitations tout en offrant des performances à haut débit avec une faible latence.

Également, la nouvelle génération de réseaux cellulaires (6G) va exploiter de nouvelles bandes de fréquences comme les ondes millimétriques, ce qui fait émerger de nouveaux usages comme la vidéo et la transmission sémantique.

Cependant, ces cas d'utilisation peuvent nécessiter des allocations de ressources appropriées pour éviter les interférences entre les paquets transmis.

**Dans ce contexte, la thèse portera sur les défis de recherche suivants**:

- Exploitation de l'IA dans la couche PHY-6G (estimation et détection) dans un environnement de véhicule autonome connecté.
- Allocation des ressources PHY-6G et prédiction de la beamforming en utilisant de données d'ondes millimétriques réelles pour les communications véhiculaires.

**Description**

**Future autonomous connected cars (ACVs) are equipped with up to 200 cooperative sensors and devices connected in a vehicular network to provide information sharing through vehicular communications (V2X).**
- These cooperative systems include MIMO antennas, wide bandwidths, and a higher degree of temporal variation, which can cause significant performance degradation.- Furthermore, the exploitation of artificial intelligence (AI) algorithms in the PHY layer of the 6th generation cellular network (6G) can address these limitations while providing high throughput performance with low latency.- In addition, the new generation of cellular networks (6G) will exploit new frequency bands such as millimeter waves, which brings out new usages such as video and semantic transmission.- However, these use cases may require appropriate resource allocations to avoid interference between transmitted packets.**In this context, this Ph.D. thesis will focus on the following research challenges**:

- Exploitation of AI in the PHY-6G layer (estimation and detection) in a connected autonomous vehicle environment.
- Allocation of PHY-6G resources and beamforming prediction using real millimeter wave data for vehicular communications.

**Nature du financement**:

- Contrat doctoral**Précisions sur le financement**:
**Présentation établissement et labo d'accueil**:

- Maud LECOMTE**L'Institut pour la Transition Energétique (ITE) VEDECOM est un institut français de recherche et de formation dédié aux mobilités innovantes et durables**, à travers trois axes de R&D multidisciplinaire : l'électrification, le véhicule automatisé et connecté, les nouvelles solutions de mobilité et d'énergies partagées.

Intégré dans le programme d'innovation "France 2030", l'Institut contribue également activement à de nombreux projets de recherche européens.

Constitué de chercheurs, d'ingénieurs, de responsables d'études, de doctorants,..., VEDECOM compte 80 collaborateurs qui ont à cœur de répondre aux problématiques de mobilité de demain.

**Site web**:
Master 2 en génie des télécommunications et en intelligence artificielle ou dans un domaine connexe
- Solide connaissance des technologies d'accès radio telles que MIMO, OFDM, couches physiques et/ou couches MAC.
- Expérience dans les algorithmes et les outils d'intelligence artificielle et d'apprentissage automatique (AI/ML). Compétences pratiques en Python, C++ et MATLAB.
- Excellente compétence en communication et en rédaction (français et anglais).
- La connaissance des normes 3GPP est un plus.
- Hold a Master's degree in telecommunications engineering and artificial intelligence or closely related field- Solid knowledge of radio access technologies such as MIMO, OFDM, physical layers and/or MAC layers.
- Experience in artificial intelligence and machine learning (AI/ML) algorithms and software tools.
- Hands-on Python, C++ and MAT