IA pour les communications sémantiques en 6G

AI for Semantic Communications in 6G

• Auteur / Autrice : Leonardo Roque almeida matos
• Direction : Mohamad Assaad
• Type : Projet de thèse
• Discipline(s) : Sciences des réseaux, de l'information et de la communication
• Date : Inscription en doctorat le 10/04/2024
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication (Orsay, Essonne ; 2015-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire des Signaux et Systèmes
• Partenaire(s) de recherche : Référent : CentraleSupélec (2015-....)

Mots clés

Mots clés libres

Communications sémantiques

Réseaux sans fil

Intelligence artificielle

Semantic communications

Wireless networks

Artificial intelligence

Résumé

Dans le cadre des futurs réseaux 6G, les premiers travaux annoncent des exigences encore plus élevées en termes de débit, de latence et de capacité que pour la 5G. En parallèle, de nouveaux objectifs sociétaux sont mis en avant, tels qu'une couverture mondiale à bas coût, le respect de la vie privée ou encore une moindre empreinte énergétique. Dans ce contexte, et avec pour objectif d'améliorer l'efficacité de nos transmissions, le sujet des communications sémantiques se développe. Le principe est de prendre en compte la nature des données et de ne transmettre que l'information saillante au regard de l'objectif de la communication. Cette approche est un changement de paradigme par rapport aux communications actuelles, mesurant leurs performances par des métriques de taux d'erreurs binaires ou paquets, et non par la réalisation du but de la transmission. En choisissant cet objectif pour son optimisation, les communications sémantiques promettent à la fois une meilleure compression de l'information utile, mais aussi une meilleure résistance aux erreurs. Ainsi, les approches actuelles utilisent des techniques d'IA (deep learning) pour définir l'espace de projection sémantique des données : les embeddings. L'espace sémantique doit donc être optimisé pour à la fois compresser l'information initiale, tout en étant robuste face aux perturbations du canal de propagation radio. L'objectif de la thèse est d'étudier la construction automatique et les méthodes de transmission des embeddings pour la réalisation d'un objectif de communication.

In the context of future 6G networks, initial work announces higher requirements in terms of throughput, latency and capacity than for 5G. At the same time, new societal objectives are being put forward, such as low-cost global coverage, privacy and a smaller energy footprint. In this context, and with the objective of improving the transmission efficiency, the subject of semantic communications has been proposed recently. The principle is to take into account the nature of the data and to transmit only the information that is relevant to the purpose of the communication. This approach is a paradigm shift from current communications, in which the performance is measured by bit or packet error rate metrics, and not by the achievement of the transmission goal. By focusing on the goal of the communication, semantic communications promise both better compression of useful information and resistance to errors. Thus, current approaches use AI techniques (deep learning) to define the semantic projection space of the data: the embeddings. The semantic space must therefore be optimized to both compress the initial information, while being robust to the disturbances of the radio propagation channel. The objective of the thesis is to study the automatic construction and the transmission methods of embeddings for the realization of a communication objective.