Stage : portage sur cible embarquée d'algorithmes adaptatifs de classification et/ou de régression pour le d h/f

Détail de l'offre Informations générales Entité de rattachement Le CEA est un acteur majeur de la recherche, au service des citoyens, de l'économie et de l'Etat. Il apporte des solutions concrètes à leurs besoins dans quatre domaines principaux : transition énergétique, transition numérique, technologies pour la médecine du futur, défense et sécurité sur un socle de recherche fondamentale. Le CEA s'engage depuis plus de 75 ans au service de la souveraineté scientifique, technologique et industrielle de la France et de l'Europe pour un présent et un avenir mieux maîtrisés et plus sûrs. Implanté au cœur des territoires équipés de très grandes infrastructures de recherche, le CEA dispose d'un large éventail de partenaires académiques et industriels en France, en Europe et à l'international. Les 20 000 collaboratrices et collaborateurs du CEA partagent trois valeurs fondamentales : • La conscience des responsabilités • La coopération • La curiosité Référence 2025-37911 Description du poste Domaine Mathématiques, information scientifique, logiciel Contrat Stage Intitulé de l'offre Portage sur cible embarquée d'algorithmes adaptatifs de classification et/ou de régression pour le d H/F Sujet de stage Ce stage propose de porter un/des algorithme(s) adaptatif(s) existant(s) de classification et/ou de régression dédiés au décodage de signaux neuronaux. L'application visée est le développement d'interface cerveau-machine (BCI) permettant le pilotage et le contrôle d'effecteurs. Ce type d'interface consiste en des implants neuronaux développés et évalués cliniquement au sein de CLINATEC (CEA/LETI) Durée du contrat (en mois) 6 Description de l'offre Vous serez accueilli(e) au sein du Laboratoire Intelligence Intégrée Multi-Capteurs (LIIM) du département des Systèmes et Circuits Intégrés Numériques (DSCIN). Notre laboratoire conçoit des algorithmes innovant d'intelligence artificielle (I.A.) permettant le décodage de signaux d'électroencéphalographie intracrânien de type ECoG [1] afin de classifier et prédire des intentions de mouvements au niveau du cortex moteur d'un patient tétraplégique. En particulier, notre laboratoire LIIM investigue la mise en œuvre de méthodes d'apprentissage incrémental [2] prenant en compte la plasticité cérébrale d'un individu au cours du temps. A terme, ces méthodes sont destinées à être intégrés sur un matériel léger et compact facilitant son usage dans une évaluation clinique. Pour cela, une étape indispensable est donc le portage du/des algorithme(s) existant(s) sur une cible matérielle en adéquation avec les usages de CLINATEC à savoir une plateforme Raspberry Pi (Raspberry Pi). En parallèle, nous nous appuierons sur plateforme de conception logiciel AIDGE (cf. projet DEEPGREEN [4]). Cette plateforme facilitera la conception et portabilité de nos algorithmes IA sur cible embarquée. Ainsi, votre stage se déroulera en plusieurs phases : 1/ prise en main des algorithmes de classification/régression adaptative de décodage de signaux neuronaux conçus LIIM. -2/ évaluation de l'outil AIGE pour le support des fonctions nécessaires aux réseaux de neurones notamment sur le volet apprentissage en ligne. -3/ développement et intégration potentielle de nouvelles fonctions (en Python/C++) dans AIDGE adaptés aux algorithmes de classification / régression adaptive. -4/ export du/des algorithme(s) sur la cible matérielle Raspberry PI Ce stage sera co-encadré par le LIIM (Quentin Ferdinand, Olivier Antoni et Marina Reyboz), le LIAE (Maxence Naud) et CLINATEC (Mathieu Bosquet – TBC). Ce se déroulera au LIIM, CEA Grenoble, à partir de février 2026 pour une durée de 5 à 6 mois. Références: [1] Q. Ferdinand et al., « ECoG-Based Movement Classification and Limbs 3D Translation Prediction : a Deep Learning Study », accepté à IJCNN 2025. [2] Mainsant M., Mermillod M., Godin C. and Reyboz M., “A study of the Dream Net model robustness across Continual Learning scenarios”, ICDM Workshop on Incremental classification and clustering, concept drift, novelty detection in big/fast data context (IncrLearn), 2022 [3] Le projet DeepGreen CEA-List Profil du candidat Profil : Ecole d'ingénieur / M2 systèmes embarqués, informatique ou intelligence artificielle