Optimisation du design d’amplificateurs Raman discrets et distribués via des modèles d’IA
Votre rôle
Votre rôle est de réaliser un travail de thèse sur l’optimisation du design (via des modèles d’IA) d’amplificateurs Raman discrets et distribués, et des systèmes de transmission optique multi-bandes associés.
Pour accroître la bande passante des fibres optiques, une solution consiste à exploiter de nouvelles bandes d’amplification (O, E, S, L, U). Comparés aux amplificateurs à fibre dopée Erbium, les amplificateurs Raman offrent l’avantage d’amplifier le signal optique sur des plages spectrales autres
que la bande C. Ils permettent, grâce au multiplexage de plusieurs longueurs d’onde de pompe, d’obtenir des spectres de gain plus étendues.
Néanmoins, la diffusion Raman stimulée (SRS), qui est mise à profit pour obtenir le gain, rend difficile l’obtention de gain uniforme sur toute la bande du fait des échanges d’énergie entre bandes. Pour atténuer cet effet, une approche consiste à calibrer et optimiser les paramètres (nombre et valeurs
des longueurs d’onde de pompes, puissance des pompes) de l’amplificateur Raman. Cependant, cette optimisation est complexe, car le SRS est modélisé par un système d’équations différentielles non linéaires couplées, dépourvues de solution analytique et dont la résolution via des méthodes numériques est coûteuse en temps de calcul. Dans ce contexte, une approche prometteuse repose sur l’utilisation de modèles d’IA pour calibrer automatiquement les paramètres des amplificateurs. On généralisera cette approche à la compensation de l’effet du SRS dans une ligne de transmission optique multi-bandes via l’ajustement des paramètres des amplificateurs Raman discrets et distribués.
L’objectif de la thèse est d’évaluer la pertinence de nouveaux modèles d’IA pour l’optimisation des paramètres des amplificateurs Raman. Les approches supervisées classiques reposent sur l’exploitation de larges ensembles de données, ce qui ne les rend pas nécessairement adaptées à la recherche de configurations optimales. Par rapport à cette approche de type « boite noire », une approche alternative en deux temps est envisagée.
Dans un premier temps, l’accent sera mis sur la modélisation du SRS à l’aide de techniques avancées de Deep Learning, basées notamment sur les réseaux de neurones de type « Physics-Informed Neural Networks (PINN) », « Deep Unfolding » et « Parametric Networks ». L’objectif est de développer un modèle à très faible complexité capable de capturer les dynamiques sous-jacentes de l’amplification Raman en intégrant les connaissances physiques du phénomène.
Dans un second temps, ces modèles seront exploités pour aborder la problématique inverse, à savoir l’optimisation des paramètres des amplificateurs. Cette optimisation sera réalisée à l’aide de techniques d’IA telles le « Deep Learning » et le « Reinforcement Learning », en définissant en amont les métriques adaptées au problème.
L’intérêt de ces approches devra être validé aussi bien en simulation que sur le banc de transmission optique multi-bandes du laboratoire d’Orange INNOV.
Votre profil
– Compétences (scientifiques et techniques) et qualités personnelles exigées par le poste
• Bonnes Connaissances en communications numériques et optiques (technologies de transmission optique sur fibre).
• Connaissances en IA, techniques de machine learning et réseaux de neurones.
• Connaissances théoriques solides et bonnes capacités d’abstraction.
• Appétence pour l’expérimentation.
• Compétences en programmation en Python ou en Matlab.
• Ouverture d’esprit et curiosité.
• Capacité à s’exprimer et à écrire en anglais en contexte professionnel.
– Formation demandée (master, diplôme d’ingénieur, doctorat, domaine scientifique et technique …)
Master ou diplôme d’ingénieur en communications numériques / systèmes photoniques.
– Expériences souhaitées (stages, …)
Idéalement un ou plusieurs stages dans une entreprise ou un laboratoire de recherche sur un sujet en lien avec les systèmes photoniques ou plus généralement les communications numériques.
Le plus de l’offre
Ce sujet vient s’inscrire dans la continuité de plusieurs projets coopératifs (CELTIC-NEXT EMBRACE, France Relance SIMBADE, MCSA Mentor) lors desquels il a été démontré : (1) comment un amplificateur Raman distribué avec trois longueurs d’onde de pompes calibrées de manière empirique
pouvait compenser l’effet du SRS dans une section de fibre SSMF de 100-km pour une transmission multi-bandes S+C+L, (2) l’utilisation de réseaux de type PINN permettait de simuler efficacement et à moindre coût l’effet de SRS dans un amplificateur Raman discret.
En introduisant une approche optimisée basée sur l’IA, les contributions scientifiques et techniques de ces travaux de thèse devraient permettre d’améliorer les performances du système et de les valider
expérimentalement. Cette preuve de concept pourrait ainsi favoriser un déploiement rapide des systèmes multi-bandes reposant sur des amplificateurs Raman.
Entité
L’ambition de la Division Innovation est de porter plus loin l’innovation d’Orange et de renforcer son leadership technologique, en mobilisant nos capacités de recherche pour nourrir une innovation responsable au service de l’humain, éclairer les choix stratégiques du Groupe à long terme et
influencer l’écosystème digital mondial.
Nous formons les experts des technologies d’aujourd’hui et de demain, et veillons à une amélioration continue de la performance de nos services et de notre efficacité. La division Innovation rassemble, dans le monde, 6000 salariés dédiés à la recherche et l’innovation dont 740 chercheurs. Porteurs d’une vision globale avec une grande diversité de profils (chercheurs, ingénieurs, designers, développeurs, data scientists, sociologues, graphistes, marketeurs, experts en cybersécurité…), les femmes et les
hommes de Innovation sont à l’écoute et au service des pays, des régions et des business units pour faire d’Orange un opérateur multiservices de confiance.
Au sein de la direction NETWORKS/WNI d’Orange INNOVATION, vous serez intégré(e) dans une équipe de recherche (AOT/SOAN) à la pointe de l’innovation et de l’expertise sur les réseaux optiques du futur (800G/1.6T, transmission multi-bande, AI for Networks…). Vous ferez partie d’un écosystème de recherche mixant des ingénieurs confirmés de recherche et d’études plus court terme permettant la mise en œuvre concrète des concepts étudiées, bénéficiant de plateformes expérimentales en transport
optique.
Cette thèse CIFRE Orange fait l’objet d’une collaboration avec les laboratoires CNRS Lab-STICC (UMR 6285, Brest) et Institut FOTON (UMR 6082, Lannion).
Contact : vincent.choqueuse@enib.fr
Candidater : https://orange.jobs/jobs/v3/offers/145981?lang=fr
