Post-Doctorante - Post-Doctorant en Apprentissage Automatique pour la Détection Distribuée sur les Réseaux de Fibres Optiques - CDD H/F - 95

Qui sommes-nous ?

Télécom Paris, école de l'IMT (Institut Mines-Télécom) et membre fondateur de l'Institut Polytechnique de Paris, est une grande école du top 5 des écoles d'ingénieurs généralistes françaises.

La Raison d'Être de Télécom Paris est de former, imaginer et entreprendre pour concevoir des modèles, des technologies et des solutions numériques au service d'une société et d'une économie respectueuses de l'humain et de son environnement.Nous recherchons notre futur(e) post-doctorant(e) en apprentissage automatique pour la détection distribuée sur les réseaux de fibres optiques pour rejoindre le département COMELEC au sein de l'équipe GTO. Le Groupe des Télécommunications Optiques (GTO) abrite les programmes de recherche de six professeurs et un laboratoire de pointe sur les transmissions par fibre optique. Ils mènent des recherches avancées sur les transmissions à très haut débit, les architectures de réseaux optiques, les lasers avancés pour les communications, la photonique intégrée et les capteurs à fibres optiques distribués.

CONTEXTE SCIENTIFIQUE

Le concept de ville intelligente repose sur la collecte et l'exploitation de données extraites par de nombreux capteurs délivrant des informations sur la circulation des véhicules, la détection de la présence humaine et de nombreux événements affectant les infrastructures (réseaux d'eau et de gaz, bâtiments, ponts et tunnels...). L'approche actuelle pour collecter ces informations consiste à déployer une multitude de capteurs discrets et dédiés ou à déployer des câbles de détection en fibre optique distribués et dédiés. Ce déploiement a un coût logistique élevé (installation, approvisionnement en énergie, maintenance). Cependant, les réseaux de télécommunication en fibre optique sillonnent déjà les villes actuelles : l'utilisation de cette infrastructure disponible à des fins de capture, de localisation et d'identification des événements vibratoires est une approche très intéressante. La plupart des travaux de recherche visant à détecter les vibrations à travers l'infrastructure de télécommunication ont reproduit les solutions de détection acoustique distribuée (DAS, Distributed Acoustic Sensing en anglais), utilisées à l'origine sur des câbles de détection dédiés. Ils ont montré des résultats prometteurs dans la supervision du trafic routier et ferroviaire et dans la mesure de vibrations à l'échelle d'une zone urbaine ou régionale : caractérisation proche de la surface [4-5], détection des niveaux élevés d'utilisation de certains sites en période de crise (comme dans la crise récente du COVID19), et autres événements sismiques.

Dans les domaines du DAS et de la géophysique, les chercheurs soulignent régulièrement que les mesures DAS sur les infrastructures en fibre optique déployées sont capables de fournir une couverture spatiale et une bande passante inégalées par les capteurs discrets conventionnels tels que les géophones ou les sismomètres. Malgré cette observation positive, les mesures DAS n'offrent pas la même sensibilité que celle des capteurs discrets conventionnels. L'intégration de techniques de détection puissantes au réseau ouvrira la voie à une meilleure surveillance du réseau en temps réel et à la fourniture de données précieuses pour une multitude d'applications.

Dans un réseau optique, les obstacles techniques proviennent de l'hétérogénéité de leurs topologies et des environnements des câbles optiques. Dans ce projet, nous proposons de tirer profit des techniques d'apprentissage automatique pour aider à la détection d'événements à partir des données DAS mesurées sur l'infrastructure de télécommunication en fibre optique déployée. La caractérisation et la localisation la plus précise possible de ces vibrations et leur identification à l'aide d'algorithmes d'apprentissage automatique ouvrent la voie à la surveillance des réseaux et à la fourniture de données précieuses pour une multitude d'applications (supervision du trafic routier/ferroviaire, sécurité, suivi de la dynamique urbaine pour détecter les dangers, notamment en temps de crise, etc.).

Nous prévoyons de fournir des preuves de concept de solutions d'apprentissage automatique pour les systèmes DAS en divisant l'étude en deux parties :
- Compression des données DAS capturées et étude des représentations les plus appropriées pour l'extraction des principales caractéristiques des données (représentation par ondelettes, représentation multi-résolution, triangulation, application d'outils de traitement audio, etc.)
- Traitement et identification d'événements vibratoires multiples qui peuvent se produire simultanément ou qui peuvent avoir un impact sur de grandes portions des câbles à fibres optiques déployés.

Vos principales missions seront de :
- Assurer des missions de recherche dans le domaine de la photonique
- Assurer des missions d'encadrement et de tutorat
- Participer à la notoriété de l'Ecole, de l'Institut Mines-Télécom et de l'Institut Polytechnique de Paris