AI4CODE

Après près de soixante ans de recherche théorique et de mise en œuvre pratique, on peut dire que le codage correcteur d’erreur est devenu une technologie mature, que l’on comprend et que l’on maîtrise relativement bien dans le cadre des systèmes de communication et de stockage numériques classiques, point à point. On est aujourd’hui capable de concevoir des codes et décodeurs capables d’opérer au plus près des limites ultimes de la théorie de l’information, à des débits de plusieurs dizaine, voire même plusieurs centaines de Gb/s pour ce type d’application. Pour autant certains aspects échappent encore à notre compréhension dans le cadre classique, notamment dans le domaine des tout petits paquets, et surtout l’essor des communications et du stockage en réseau posent quantité de nouveaux problèmes de codage pour lesquels on ne connaît pas bien encore la performance limite que l’on peut viser ni même de solution de codage capable de l’atteindre ou de s’en approcher. Fort heureusement on dispose aujourd’hui de nouveaux outils très puissants, tel que l’apprentissage machine, pour nous aider à y voir un peu plus clair sur ces problèmes complexes.

Objectif

L'objectif du projet AI4CODE 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.

Méthode

Le projet AI4CODE va s’intéresser à différents types de problèmes de codage correcteur d’erreurs, sélectionnés non seulement pour les questions fondamentales qu’ils soulèvent, mais aussi pour les retombées pratiques qu’ils peuvent avoir dans la conception des nouveaux systèmes de communication et de stockage distribués. Les problèmes retenus s’inscrivent dans 4 axes de recherche principaux :

• Axe 1: Apprendre à corriger mieux et plus efficacement
• Axe 2: Apprendre à concevoir de meilleurs codes
• Axe 3: Découvrir de nouvelles familles de codes
• Axe 4: Concevoir des décodeurs robustes qui apprennent automatiquement le canal

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.

Résultats attendus

L’utilisation judicieuse de l’apprentissage machine doit non seulement nous permettre de faire progresser notre compréhension théorique de certains problèmes difficiles en codage, et de proposer des solutions originales à des problèmes encore ouverts, mais également de parfaire nos algorithmes de conception de codes et de décodage, pour les rendre plus efficaces. Il s’agit de se donner les moyens nécessaires pour être en position de faire des propositions et défendre des contributions à la normalisation des prochains systèmes de communication, sans-fils notamment (6G).

Rôle de l'école

IMT Atlantique est l’établissement porteur du projet AI4CODE, et participera aux recherches menées dans chacun des 4 axes évoqués ci-dessus. IMT Atlantique a développé une expertise aujourd’hui mondialement reconnue dans le domaine du codage correcteur d’erreur, notamment par l’invention puis la promotion des turbo codes dans de nombreuses normes de télécommunications.

Les partenaires

Le projet AI4CODE réunit 6 équipes de recherche françaises expertes dans la conception, le décodage et la standardisation de codes correcteurs d'erreurs. Les partenaires d’IMT Atlantique sont :

• CEA LETI, Grenoble, dispose d’une grande expertise dans la conception de codes définis par des graphes et des algorithms de décodage itératif associés, avec un intérêt particulier pour les codes LDPC et codes polaires, binaires ou non-binaires
• IMS/Bordeaux INP, Bordeaux, UMR 5218, s’intéresse à l’adéquation algorithme-architecture pour le décodage logiciel et matériel et son application aux systèmes de communication. IMS possède de l’expérience dans la simulation de codes polaires sur cible x86 et GPU, et est l’auteur de la librairie logicielle open-source AFF3CT, dédiée à la simulation rapide de décodeurs de canal.
• IRIT/Toulouse INP-ENSEEIHT, Toulouse, UMR 5505, apporte ses compétences clés en conception et décodage de codes LDPC et codes polaires, ainsi que son expérience plus large dans la conception de systèmes de transmission et de récepteurs itératifs
• ETIS/Cergy Paris Université (CYU), Cergy Pontoise, UMR 8051, fort d’un savoir-faire reconnu dans l’analyse théorique, la conception, et le décodage de codes définis sur des graphes, apporte également sa connaissance et compétences en codage pour les applications réseau (stockage, calcul, caching)
• Lab-STICC/Université Bretagne Sud (UBS), Lorient, UMR 6285, apporte son expérience en conception algorithmique et matérielle de codes correcteurs et décodeurs associés, et son intérêt pour la transmission robustes de paquets courts à très faible débit pour l’Internet des Objets