Skip to main content
European Commission logo
français français
CORDIS - Résultats de la recherche de l’UE
CORDIS
CORDIS Web 30th anniversary CORDIS Web 30th anniversary

Integrating wireless communication engineering and machine learning

Article Category

Article available in the following languages:

L’IA contribue au bon fonctionnement des réseaux sans fil

L’IA est la clé qui permettra d’optimiser l’accès, les performances et l’utilisation des ressources dans les systèmes sans fil, dont la complexité dépasse de plus en plus les capacités de l’ingénierie conventionnelle.

Économie numérique icon Économie numérique
Technologies industrielles icon Technologies industrielles

L’Internet des objets (IdO), expression utilisée pour la première fois il y a environ 25 ans pour décrire les nombreux appareils connectés à Internet, est en passe de devenir une réalité. Il existe aujourd’hui des milliards d’appareils physiques qui collectent et partagent des données. Cette situation crée un besoin énorme de réseaux mobiles hautement performants, toutefois, l’optimisation des performances des réseaux devient pratiquement impossible avec les approches d’ingénierie traditionnelles. Le projet WINDMILL a adopté une double approche, pour résoudre ces problèmes. L’équipe a exploité la puissance de l’IA et formé une nouvelle génération de chercheurs en début de carrière à son application avec le soutien du programme Actions Marie Skłodowska-Curie.

Méthodes d’apprentissage automatique pour les réseaux sans fil de nouvelle génération

L’apprentissage automatique est un sous-domaine de l’IA particulièrement adapté à l’optimisation de réseaux dynamiques complexes. Ses algorithmes permettent aux systèmes informatiques d’apprendre de manière itérative à partir de données d’entraînement, de construire un modèle sur cette base et de prendre ensuite des décisions, de faire des déductions ou des prévisions liées à de nouvelles données sans être explicitement programmés pour le faire. Selon le coordinateur du projet, Čedomir Stefanović de l’Université d’Aalborg, «la modélisation analytique de systèmes mobiles incroyablement complexes comme la 5G et au-delà de la 5G est souvent impossible. Les outils d’apprentissage automatique ont été appliqués avec succès à plusieurs défis connexes». Il s’agit notamment de l’utilisation de surfaces intelligentes (réseaux d’antennes avancés) pour améliorer la localisation, de la création de cartes radio de l’emplacement des utilisateurs sans fil (ce que l’on appelle la cartographie de canal) et du regroupement des utilisateurs dans des systèmes MIMO (systèmes qui comptent plus de points d’accès que d’utilisateurs et où chaque point d’accès possède de nombreuses antennes). L’accès sans fil partout et en tout lieu demande une utilisation optimisée du temps, du spectre et des ressources énergétiques. Čedomir Stefanović poursuit: «WINDMILL a étudié l’utilisation de l’apprentissage par renforcement profond (un sous-domaine de l’apprentissage automatique) pour fournir un accès efficace et équitable à un nombre très important d’utilisateurs (réseaux IdO), des réseaux neuronaux pour améliorer l’efficacité spectrale, et des méthodes basées sur l’apprentissage pour l’allocation des ressources et la programmation dans les réseaux Wi-Fi». Enfin, WINDMILL a démontré le potentiel d’un apprentissage bayésien robuste pour relever les défis inhérents aux communications sans fil du fait de données d’apprentissage limitées et d’incohérences de modèle; des situations dans lesquelles les algorithmes traditionnels échouent souvent. L’apprentissage bayésien, une approche statistique qui actualise un modèle à mesure que de nouvelles preuves ou données sont reçues, constitue un outil puissant pour diverses tâches d’apprentissage automatique, en particulier pour les problèmes complexes et les informations incertaines ou incomplètes. Les résultats de WINDMILL ouvrent la voie à une utilisation efficace de l’apprentissage bayésien dans des applications critiques telles que la localisation et la détection du spectre, qui devraient être des composantes essentielles des futurs systèmes 6G.

Un héritage vivant

Le partage des connaissances et de l’expérience avec la communauté scientifique amplifie l’impact et stimule l’innovation. Les chercheurs en début de carrière ont été formés à la présentation de problèmes, de solutions, de théories et de méthodes concernant l’apprentissage automatique pour l’optimisation des réseaux, dans le cadre de réunions semestrielles et de publications hebdomadaires, de blogs et de courts articles de recherche. Čedomir Stefanović explique: «la plateforme de partage des connaissances est devenue une sorte de bac à sable dans le cadre de leurs projets et en tant que jeunes chercheurs». Il ajoute: «en ce qui me concerne, le résultat le plus important a été la formation d’une cohorte de jeunes chercheurs talentueux qui sont à présent prêts à concevoir et à développer de nouvelles générations de systèmes sans fil exploitant la puissance de l’IA».

Vers la 6G et au-delà

Čedomir Stefanović conclut: «les résultats de WINDMILL sont directement pertinents pour les réseaux 5G et 6G. Nous avons également obtenu des résultats novateurs sur l’apprentissage autonome des protocoles de communication par les dispositifs de réseau à l’aide de l’apprentissage par renforcement. Imaginez des dispositifs de réseau capables d’apprendre à communiquer efficacement avec un minimum d’intervention de la part des ingénieurs de réseau!» Alors que la demande de communications sans fil fiables et performantes ne cesse de croître, WINDMILL a démontré l’utilité de l’IA pour notre connectivité sans fil et a passé le flambeau à une nouvelle cohorte de chercheurs.

Mots‑clés

WINDMILL, sans fil, apprentissage automatique, 5G, 6G, IdO, localisation, réseaux neuronaux, apprentissage par renforcement, IA, Internet des objets, IdO, réseaux mobiles, apprentissage bayésien

Découvrir d’autres articles du même domaine d’application