Vers un jumeau numérique pour les réseaux optiques

Towards a digital twin for optical networks

• Auteur / Autrice : Ambashri Purkayastha
• Direction : Cédric Ware
• Type : Projet de thèse
• Discipline(s) : Information, communications, électronique
• Date : Inscription en doctorat le 16/02/2024
• Etablissement(s) : Institut polytechnique de Paris
• Ecole(s) doctorale(s) : École doctorale de l'Institut polytechnique de Paris
• Partenaire(s) de recherche : Laboratoire : Laboratoire de Traitement et Communication de l'Information
• Partenaire(s) de recherche : Equipe de recherche : GTO : Télécommunications Optiques

Mots clés

Mots clés libres

Réseaux optiques

Jumeau numérique

Télécommunication

Optical networks

Digital twin

Telecommunication

Résumé

L'objectif général de la thèse sera de mettre au point un jumeau numérique dédiée à l'optimisation des réseaux optiques, et de le mettre en œuvre dans des scénarios pratiques faisant notamment intervenir des techniques de détection de pannes et d'apprentissage automatique. La thèse se fera autour de trois axes principaux. Le premier axe sera de développer ou d'étendre - à partir des connaissances existantes - un modèle physique de réseau optique permettant d'émuler le fonctionnement en temps réel d'un réseau optique. Les principaux objectifs pour cet axe seront de construire un modèle précis et versatile permettant de générer des signaux tels que les rapports signal-bruit pour tous les canaux du réseau émulé, et reproduire leur dynamique en cas d'évolution de la configuration du réseau. Ce modèle physique constituera le véritable cœur du jumeau numérique. Le deuxième axe se concentrera sur des approches analytiques permettant de convertir des données brutes provenant de sources multiples en informations avancées permettant, au sein du jumeau numérique, une prise de décision efficace quant aux évolutions futures d'un réseau. Il peut s'agir par exemple du potentiel d'optimisation en terme de capacité et de disponibilité, ainsi que l'identification des solutions les plus adaptées pour réaliser ce potentiel : adaptation des marges, reconfiguration, protection. Le troisième axe de la thèse sera lui focalisé sur des solutions de maintenance prédictive, c'est-à-dire de détection avancée de signatures de pannes donnant lieu à des actions préventives pour en limiter le risque. Cet axe sera particulièrement adapté à l'application de techniques d'apprentissage automatique pour la détection des pannes avant qu'elles ne deviennent critiques. Une approche visée sera de détecter des anomalies par comparaison entre les signaux provenant du système physique et ceux générés par son jumeau numérique. Objectif 1 : Etat de l'art Objectif 2 : Simulation physique de réseaux optiques Objectif 3 : Validation expérimentale du simulateur Objectif 4 : Scénarios d'optimisation de la performance Objectif 5 : Scénarios de maintenance prédictive

The general objective of the thesis will be to develop a digital twin dedicated to the optimization of optical networks, and to implement it in practical scenarios involving in particular fault detection and machine learning techniques. The thesis will be based around three main axes. The first axis will be to develop or extend - based on existing knowledge - a physical model of an optical network making it possible to emulate the real-time operation of an optical network. The main objectives for this axis will be to build a precise and versatile model making it possible to generate signals such as signal-to-noise ratios for all the channels of the emulated network, and reproduce their dynamics in the event of changes in the network configuration. This physical model will constitute the true heart of the digital twin. The second axis will focus on analytical approaches to convert raw data from multiple sources into advanced information allowing, within the digital twin, effective decision-making regarding the future developments of a network. This may involve, for example, the potential for optimization in terms of capacity and availability, as well as the identification of the most suitable solutions to achieve this potential: adaptation of margins, reconfiguration, protection. The third axis of the thesis will focus on predictive maintenance solutions, that is to say advanced detection of fault signatures giving rise to preventive actions to limit the risk. This axis will be particularly suited to the application of machine learning techniques for the detection of failures before they become critical. A targeted approach will be to detect anomalies by comparing the signals coming from the physical system and those generated by its digital twin. Objective 1: State of the art Objective 2: Physical simulation of optical networks Objective 3: Experimental validation of the simulator Objective 4: Performance Optimization Scenarios Objective 5: Predictive maintenance scenarios