Votre rôle est d’effectuer un travail de post-doctorat sur ” la fusion d’informations multi-sources pour les Communications Sémantiques “ dans le cadre du projet ANR COMSEMA.
Dans le cadre des futurs réseaux, les travaux de recherche annoncent des exigences plus élevées en termes de débit, de latence et de capacité. e nouveaux objectifs sociétaux sont mis en avant, tels qu’une couverture mondiale à bas coût, le respect de la vie privée ou une moindre empreinte énergétique. Dans ce contexte, 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 d’un objectif à la réception.
Ainsi, les approches actuelles [1,2] utilisent des techniques de deep learning à partir d’une source unique pour définir l’espace de projection sémantique des données. Les embeddings représentent donc la sémantique de l’information. 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. Qu’advient-il lorsque l’objectif de communication sémantique repose sur plusieurs sources [3] ?
Les principaux verrous techniques à lever sont :
La construction automatique des embeddings.
Les techniques de fusion de l’information : a priori, a posteriori ou hybride.
La définition de métriques pour évaluer la qualité de construction des embeddings et le degré de réalisation de l’objectif de communication.
La comparaison aux méthodes de transmission standard, traditionnellement non évaluées sur l’objectif de la communication.L’étude s’intéressera aux contenus multimédias pour la re-identification de personnes. Une chaine de communication illustrant la communication sémantique est une réalisation attendue. Les travaux réalisés feront l’objet dépôts de brevets, de publications, de communications dans des conférences.
[1] D. Gunduz et al., Beyond Transmitting Bits: Context, Semantics, and Task-Oriented Communications.
[2] E. Calvanese et al., Goal-Oriented and Semantic Communication in 6G AI-Native Networks: The 6G-GOALS Approach.
[3] X. Luo et al., Multimodal and Multiuser Semantic Communications for Channel-Level Information Fusion.

Vous êtes docteur en informatique ou traitement de signal avec une spécialisation en intelligence artificielle / télécommunication / mathématiques appliquées.
Vous possédez les compétences suivantes :
-       Vous avez de solides connaissances en machine learning.
-       Vous avez de très bonnes connaissances en traitement du signal radio.
-       Vous avez une expérience significative du développement en python, notamment de la librairie Pytorch,
-       Vous êtes méthodique, curieux(se), autonome et motivé(e) pour aborder un sujet de recherche ouvert.
Vous possédez des publications dans des conférences internationales.