Modèles d'apprentissage profond pour le décodage des codes LDPC

Description de l'offre : Le codes correcteurs dapos;erreurs jouent un rôle essentiel pour garantir lapos;intégrité des données dans de nombreuses applications, comme le stockage, la transmission, ou la mise en réseau des données. Au cours des dernières années, de nouvelles interactions sont apparues entre la théorie du codage et l’apprentissage automatique, considéré comme un moyen prometteur de surmonter les limitations des solutions existantes, notamment pour les codes de faible à moyenne longueur. Pour de nombreuses constructions connues de codes correcteurs, il s’avère que ces limitations sont principalement dues à l’algorithme de décodage, plutôt qu’à la capacité intrinsèque de correction du code. Cependant, trouver des modèles dapos;apprentissage automatique sapos;appliquant aux spécificités des codes correcteurs est difficile, et les recherches actuelles sont encore confrontées à un écart important par rapport aux limites fondamentales en longueur finie. Ce projet de thèse vise à élargir les connaissances actuelles sur l’utilisation de lapos;apprentissage automatique pour le décodage des codes de parité à faible densité (codes LDPC), dans plusieurs directions. Premièrement, il étudiera les méthodes dapos;apprentissage dapos;ensemble, dans lesquelles plusieurs modèles sont entrainés pour résoudre le problème de décodage et combinés pour obtenir de meilleurs résultats. Des méthodes spécifiques seront conçues pour garantir la diversité des modèles individuels et couvrir toute la variabilité de la structure du code. Deuxièmement, il explorera la distillation des connaissances pour transférer les performances supérieures dapos;un ensemble vers un modèle unique, ou plus généralement dapos;un grand modèle vers un plus petit. Troisièmement, le projet étudiera les stratégies de décodage basées sur le syndrome, afin de permettre lapos;utilisation de modèles puissants de réseaux neuronaux, plutôt que les modèles actuels basés sur la propagation des croyances, libérant ainsi toute la puissance des méthodes proposées dapos;apprentissage dapos;ensemble et de distillation de connaissances. Le doctorant sera accueilli au CEA-Leti à Grenoble au sein d’une équipe de recherche experte en traitement du signal pour les télécommunications (http://www.leti-cea.fr/cea-tech/leti/Pages/recherche-appliquee/plateformes/plateforme-telecommunications.aspx).

Profil du candidat : Master IA ou Théorie de lapos;Information/Codage