Les réseaux d'accès radio ouverts (Open RAN) émergent comme une approche architecturale clé pour les réseaux mobiles de prochaine génération. L'une de leurs capacités essentielles –RAN slicing– permet à plusieurs réseaux virtuels de fonctionner sur une infrastructure radio partagée. Cela améliore la flexibilité, l'évolutivité et l'interopérabilité des services ayant des exigences différentes en matière de qualité de service (QoS) requirements.
Dans un environnement Open RAN, il est crucial d'allouer efficacement les ressources réseau entre les différentes demandes d'applications telles que l'URLLC (Ultra-Reliable Low-Latency Communications), l'eMBB (enhanced Mobile Broadband) et le mMTC (massive Machine Type Communications), améliorant ainsi leurs différents facteurs de performance de QoS.
Plusieurs techniques ont été introduites pour gérer le partage des composants dans les réseaux 5G et au-delà, notamment : l'utilisation du calcul en périphérie multi-accès (MEC) et d'un modèle plateforme en tant que service (PaaS) pour les applications URLLC. D'autres techniques sont basées sur la priorité et visent à maximiser la QoS avec un débit de données et une bande passante limités, en utilisant des algorithmes génétiques ou l'apprentissage par renforcement profond (Deep RL).

Bien que ces techniques aient réussi à allouer dynamiquement les ressources RAN, elles souffrent d'une complexité de calcul élevée, ce qui limite leurs performances en temps réel et leur adaptabilité aux structures de réseau plus grandes.

Dans leur récent article intitulé "Open RAN Slicing with Quantum Optimization” — [Available: IEEE, arXiv], Lincs lab doctorant Patatchona Keyela, en collaboration avec Prof. Soumaya Cherkaoui, ont proposé un cadre d'optimisation quantique (quantum annealing - QA) pour l'allocation de ressources multi-tranches Open RAN. Leur objectif est de maximiser le débit global du système tout en répondant aux contraintes de QoS pour les services eMBB et URLLC dans les réseaux 5G.

The study demonstrated that quantum optimization provides (near) optimal solutions quickly enough for real-time applications. To validate their approach, the authors conducted network simulations with various realistic scenarios of gNodeBs, RBs, and users, using parameters chosen to closely mimic real-world conditions.

Les auteurs ont reçu le Prix du Meilleur Article lors du 15e Symposium Mondial sur l'Infrastructure de l'Information et les Réseaux (GIIS25) 2025. The symposium took place from February 25 – 27, 2025, and was held in Dubai, UAE.