Topic description
Les futurs systèmes de communication, tels que les réseaux 6G, évoluent vers des infrastructures hautement distribuées, autonomes et hétérogènes, intégrant des architectures de continuum cloud-edge, l’Open RAN (O-RAN), des déploiements massifs d’objets connectés (IoT), l’informatique en périphérie (edge computing) et des environnements radio particulièrement dynamiques.
Ces systèmes devront prendre en charge des services exigeants tels que les communications critiques, l’automatisation industrielle, la mobilité autonome et les applications immersives, tout en fonctionnant dans des conditions caractérisées par un trafic fortement variable, des changements fréquents de topologie, une disponibilité fluctuante des ressources ainsi que des exigences strictes en matière de latence et de fiabilité.
La gestion de tels systèmes, notamment pour réaliser des opérations de configuration, d’optimisation et d’évolution sans risque, devient de plus en plus complexe. Cette difficulté est particulièrement marquée lorsqu’il s’agit d’effectuer une optimisation du réseau en temps réel, des analyses prospectives (« what-if »), du diagnostic de pannes ou encore de planifier des mises à niveau et des extensions du réseau.
Afin de répondre à ces défis, plusieurs initiatives de recherche récentes se sont intéressées à l’application du paradigme des jumeaux numériques aux réseaux de communication, donnant naissance au concept de "Network Digital Twins (NDTs)" ou "jumeaux numériques de réseau".
Un jumeau numérique de réseau est une représentation virtuelle d’un réseau de communication qui reste suffisamment synchronisée avec l’infrastructure physique pour reproduire son état opérationnel et son comportement, permettre des analyses prédictives et évaluer des scénarios hypothétiques avant l’application de décisions au système réel.
Cependant, maintenir un NDT précis et temporellement cohérent dans des réseaux de grande échelle et fortement dynamiques demeure un défi majeur.
Les NDT actuels reposent principalement sur des mécanismes explicites de synchronisation afin de préserver la fidélité entre les systèmes physique et virtuel. Bien que des travaux récents aient introduit des mécanismes de prédiction assistés par l’intelligence artificielle pour réduire la surcharge liée à cette synchronisation, ces approches ne résolvent pas entièrement le problème de l’adaptation dynamique de la fidélité du NDT en fonction de l’incertitude des prédictions, de la valeur de l’information, de la dynamique du réseau et des exigences opérationnelles.
La fidélité adaptative peut être interprétée comme un mécanisme de représentation multi-résolution, dans lequel le jumeau numérique ajuste dynamiquement sa granularité d’observation, son coût de synchronisation et sa précision de reconstruction en fonction de la valeur de l’information, de l’incertitude prédictive, de la dynamique du réseau et des ressources disponibles.
L’objectif principal de cette thèse de doctorat est de concevoir, développer et valider un cadre de gestion adaptative de la fidélité (Adaptive Fidelity Management) permettant la mise en œuvre de jumeaux numériques de réseau évolutifs, efficaces en ressources et adaptés aux futurs systèmes de communication.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
Future communication systems such as 6G networks are evolving toward highly distributed, autonomous, and heterogeneous infrastructures integrating cloud-edge continuum architectures, Open RAN (O-RAN), massive IoT deployments, edge computing, and highly dynamic wireless environments.
These systems are expected to support demanding services such as mission-critical communications, industrial automation, autonomous mobility, and immersive applications, operating under highly dynamic traffic conditions, frequent topology changes, fluctuating resource availability, and stringent latency and reliability requirements.
Managing such systems through risk-free configuration, optimization, and evolution operations is becoming increasingly challenging. This is particularly true when performing real-time network optimization, operational what-if analysis, network troubleshooting, or planning network upgrades and extensions.
To address these challenges, recent research initiatives have investigated the application of the Digital Twin paradigm to communication networks, commonly referred to as Network Digital Twins (NDTs).
An NDT is a virtual representation of a communication network that remains sufficiently aligned with the physical infrastructure to reproduce its operational state and behavior, support predictive analysis, and evaluate hypothetical scenarios before applying decisions to the real system.
However, maintaining an accurate and temporally consistent NDT in large-scale and highly dynamic networks remains a major challenge.
Current NDTs predominantly rely on explicit synchronization mechanisms to maintain fidelity between the physical and virtual systems. Although recent works have introduced AI-assisted prediction mechanisms to reduce synchronization overhead, these approaches do not fully address the problem of dynamically adapting the fidelity of the NDT according to predictive uncertainty, information value, network dynamics, and operational requirements. Adaptive fidelity can be interpreted as a multi-resolution representation mechanism, where the NDT dynamically adjusts its observation granularity, synchronization overhead, and reconstruction accuracy according to information value, predictive uncertainty, network dynamics, and available resources. The main objective of this PhD thesis is to design, develop, and validate an Adaptive Fidelity Management framework enabling scalable and resource-efficient Network Digital Twins for future communication systems.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
Pôle fr : Direction de la Recherche Technologique
Pôle en : Technological Research
Département : Département Intelligence Ambiante et Systèmes Interactifs (LIST)
Service : Service Interactions et Réseaux
Laboratoire : Laboratoire Systèmes Communiquants
Date de début souhaitée : 01-10-
Ecole doctorale : Sciences pour l’Ingénieur
Directeur de thèse : BOUABDALLAH Abdelmadjid
Organisme : UTC
Laboratoire : Laboratoire Heudiasyc - UMR CNRS
Funding category
Public/private mixed funding
Funding further details
