Les réseaux de communication impliquent une variété de supports de communication (sans fil, câblés, optiques…) pour la transmission d’informations, la récupération d’informations et le traitement d’informations. Ces tâches doivent généralement être effectuées avec des contraintes prenant en compte un ensemble de métriques de performances, notamment la complexité, la fiabilité, la latence et le secret. De plus, en fonction de la nature du réseau, ces contraintes devraient être satisfaites de manière centralisée ou décentralisée.
Au cours des cinq dernières années, l’équipe MIC (ex-ComNum) a axé ses travaux de recherche sur une meilleure compréhension des limites fondamentales des réseaux de communication et sur la fourniture de moyens permettant de les atteindre.
Recherche
L’équipe Mathématiques de l’Information et des Communications [MIC] (ex- Communications Numériques) traite particulièrement les thèmes suivants:
- Communications point à point
- Optimisation des réseaux
- Sécurité : communications et appareils
- Outils interdisciplinaires de théorie de l’information et de statistique
Membres de l’équipe
- Aslan Tchamkerten, Professeur, responsable d’équipe
- Hadi Ghauch, Maître de Conférences
- Ghaya Rekaya Ben Othman, Professeure,
- Olivier Rioul, Professeur
Mots-clés
Théorie de l’information
Traitement de l’information sur réseau
Codage
Optimisation distribuée
Sécurité
Les publications de l’équipe
Interrogation du serveur HAL en cours...Waiting for HAL server...
Dernières actualités du LTCI
Patrimoine logiciel : la norme ISO/IEC 18670 est désormais officielle
Enseignants-chercheurs, Très grands réseaux et systèmes — 20/05/2025Cette norme permet une identification unique, persistante et vérifiable [...]
Quantum-Saclay : rassembler autour du quantique
Enseignants-chercheurs, Très grands réseaux et systèmes — 15/05/2025Romain Alléaume : «Nous développons de nouveaux systèmes de communication pour les réseaux [...]
La lettre Ideas : Crises climatiques et résilience - Hallucinations de l’IA
— 12/05/2025Et aussi : IA génératives : craintes réelles ou supposées ? Quand l'IA apprend à écouter (image Phoenix [...]
[Ideas] Démystifier les hallucinations de l’IA
Confiance numérique, Data science & IA, Enseignants-chercheurs — 24/04/2025Thomas Bonald : Les IA génératives se trompent ; pourquoi et comment [...]
La musique peut-elle nous aider à mieux nous comprendre ?
Enseignants-chercheurs, Modélisation — 02/04/2025Geoffroy Peeters a largement contribué à l'essor de l'analyse musicale en travaillant sur les [...]
Florence Tupin distinguée par l'IEEE Geoscience and Remote Sensing Society
Enseignants-chercheurs, Modélisation — 24/03/2025Elle développe des méthodes innovantes de traitement et d’analyse d’images, avec [...]
Champollion : déchiffrer les plis du cerveau (Les Échos)
Enseignants-chercheurs, Modélisation — 20/03/2025Des scientifiques dont Pietro Gori veulent comprendre les plis du cerveau avec leur projet d’IA [...]
MT180 IP Paris : Tristan Nemoz sélectionné en finale
Doctorat, Confiance numérique — 12/03/2025Son sujet : « Hybrider cryptographie quantique et classique : le meilleur des deux mondes ». Il est [...]
La 5G met les constellations en réseau (I'm Tech)
Enseignants-chercheurs, Très grands réseaux et systèmes — 12/03/2025Philippe Martins : «Obtenir une constellation souveraine, qui réponde aux besoins en [...]
[Ideas] Révolution sonore et machine listening
Data science & IA, Enseignants-chercheurs, Modélisation — 11/03/2025Gaël Richard, "Hi-Audio" : comment la machine apprend-elle à écouter et à créer ?
