Titre de la thèse: Apprendre à construire de meilleurs codes correcteurs d'erreurs, et à les décoder plus efficacement
Date de démarrage envisagée : Septembre 2022 ou plus tôt si possible
Contexte, objectifs et déroulé de la thèse
Ces travaux s'inscrivent dans le cadre du projet ANR-21 AI4CODE. Le projet AI4CODE réunit 6 équipes de recherche françaises expertes dans la conception, le décodage et la standardisation de codes correcteurs d'erreurs. L'objectif est de monter en compétence sur les méthodes d'intelligence artificielle et d'apprentissage automatique, afin d'évaluer les améliorations qu'elles peuvent apporter à la conception des codes (réduction des paramètres, heuristiques plus pertinents, codes plus puissants) ainsi qu'à l'efficacité du décodage (meilleure performance, complexité ou consommation réduite), sur des scénarios d'intérêt pratique pour lesquels notre compréhension théorique n'est que partielle. Il ne s'agit pas ici de substituer un réseau de neurones générique à nos outils et algorithmes, mais plutôt de les compléter judicieusement par des systèmes d'apprentissage ou d'aide à la décision, l'idée étant de pouvoir ensuite analyser les solutions produites par la machine et d'apprendre de celles-ci pour gagner en compréhension et parfaire nos algorithmes.
Contexte, objectifs et déroulé de la thèse sont décrits en détail dansPhDPosition AI4CODE LabSTICC Feb2022, avec la procédure à suivre pour candidater.
Le financement est acquis.
Pour plus d'information, ne pas hésiter à contacter raphael.lebidan@imt-atlantique.fr