Vers un framework basé sur l'IA pour l'évaluation des performances d'un réseau quantique

Toward AI-Based Framework for Performance Evaluation of Quantum Network

• Auteur / Autrice : Abderrahim Amlou
• Direction : Ahmed Lbath
• Type : Projet de thèse
• Discipline(s) : Informatique
• Date : Inscription en doctorat le 31/08/2023
• Etablissement(s) : Université Grenoble Alpes
• Ecole(s) doctorale(s) : École doctorale mathématiques, sciences et technologies de l'information, informatique
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'Informatique de Grenoble
• Partenaire(s) de recherche : Equipe de recherche : MRIM - Modélisation et recherche d'information multimédia.

Mots clés

Mots clés libres

Réseau Quantique

Communication Quantique

Ia

Systeme de recommendations

Pile de protocoles

Quantum Networking

Quantum Communication

Ai

Recomendation systems

Protocol stack

Résumé

Le sujet de thèse a pour objectif de proposer un Framework dédié à l'évaluation de performance d'un réseau quantique à l'aide de l'IA offrant ainsi un outil de monitoring et d'optimisation temps réel de la topologie du réseau. Le travail vise à relever les défis liés à l'avancement des réseaux quantiques, passant des tables optiques traditionnelles à des dispositifs montables à distance. Axée sur le banc d'essai de réseau optique quantique DC-QNet, la recherche implique le développement d'une pile de protocoles quantiques évolutive et stable. La méthodologie comprend une étude approfondie de la littérature, évaluant les protocoles existants des réseaux quantiques et identifiant des opportunités d'amélioration. En collaboration avec des physiciens, des abstractions de composants matériels seront développées, et les éléments essentiels du réseau quantique seront caractérisés. Des spécifications d'interface pour un plan de contrôle et un plan de données seront conçues, intégrant des techniques d'IA pour la prise de décision en temps réel et l'optimisation de la topologie. La thèse vise à fournir un plan pour l'évaluation complète des réseaux optiques quantiques, mettant l'accent sur la stabilité, la scalabilité et l'optimisation des performances. Les résultats attendus comprennent la spécification et l'évaluation détaillée d'une nouvelle pile de protocoles quantiques, la contribution à un plan de contrôle modulaire en temps réel, des directives pour la construction de réseaux optiques quantiques stables et scalables grâce à un Framework basé sur l'IA, et l'évaluation des performances par simulations pour identifier des domaines potentiels d'amélioration. Cette recherche vise à améliorer l'efficacité et l'efficacité des réseaux quantiques sur la base des domaines d'amélioration identifiés.

The proposed PhD thesis aims to develop AI-Based framework for Quantum Network Evaluation dedicated to the real time monitoring and optimization the topological network. We target to address the challenges in advancing quantum networks from traditional optical tables to remotely accessible, rack-able devices. Focusing on the DC-QNet quantum optical network testbed, the research involves developing a scalable and stable quantum protocol stack. The methodology includes a comprehensive literature study, evaluating existing quantum network protocols, and identifying opportunities for improvement. Collaborating with physicists, hardware component abstractions will be developed, and essential elements of the quantum network will be characterized. Interface specifications for a control and data plane will be designed, integrating AI techniques for real-time decision-making and optimization. The thesis aims also to provide a blueprint for evaluating complete quantum optical networks, emphasizing stability, scalability, and performance optimization. The expected outcomes include the specification and performance evaluation of a new quantum protocol stack, contribution to a modular real-time control plane, guidance for building stable and scalable quantum optical networks through an AI-driven framework, and performance evaluation through simulations to identify potential areas of improvement. This research seeks to enhance the efficiency and effectiveness of quantum networks based on the identified areas of improvement.