H/f etude d'architectures analogiques et signaux mixtes pour l'intelligence artificielle embarquée

H/F Etude d'architectures analogiques et signaux mixtes pour l'intelligence artificielle embarquée

Partager la page

Veuillez pour partager sur Facebook, Twitter et LinkedIn.

* Fonction publique : Fonction publique de l'État
* Employeur : Centre national de la recherche scientifique (CNRS)
* Localisation : 34095 MONTPELLIER (France)
* Nature de l’emploi Emploi ouvert uniquement aux contractuels
* Nature du contrat Non renseigné
* Expérience souhaitée Non renseigné
Rémunération Fourchette indicative pour les contractuels La rémunération est d'un minimum de 2200,00 € mensuel€ brut/an Fourchette indicative pour les fonctionnaires Non renseignée
* Catégorie Catégorie A (cadre)
* Management Non renseigné
* Télétravail possible Non renseigné

Sujet de thèse :
Dans le domaine de l'intelligence artificielle neuromorphique, les modèles basés sur l'énergie (EBM) connaissent un intérêt croissant, en raison de leur capacité à capturer les relations entre les variables en minimisant une fonction scalaire unique (fonction d'énergie) sans nécessiter de normalisation à l'échelle de l'ensemble des données. Un exemple proéminent d’EBM est certainement le modèle de réseau de Hopfield, binaire ou non, dont l’évolution de l’état de chaque unité (neurone) est dicté par une minimisation de sa contribution à l’énergie totale du système. Une fois l’équilibre atteint (le minimum d’énergie), une lecture du résultat peut être effectuée.

Les EBM présentent des caractéristiques les rendant attractifs pour des implémentations "proche physique" (analogiques / signaux mixtes). En effet tout système dynamique possédant une loi d’évolution dont les paramètres peuvent être ajustés peut être utilisé pour faire un modèle EBM réalisant une tâche arbitraire, comme de la classification d’images par exemple. Un système électrique analogique basé sur des mémoires non volatiles se prête bien à cet exercice, et quelques premières démonstration montrent l’intérêt de cette approche pour la sobriété énergétique.

Adosser ces EBM à des algorithmes d'apprentissage plus biologiquement plausibles et/ou basés sur des lois locales constitue une direction de recherche très prometteuse pour les application d'IA sobres en énergie et à l’Edge: il s’agit ici de rendre ces systèmes capables d’apprentissage à proprement parler, et pas d’inférence uniquement.

Ce sujet de thèse de doctorat prend appui sur des travaux menés au sein du laboratoire, sur une framework logiciel [2] mais aussi des contributions sur l’algorithmique et l’architecture matérielle [3][4][5] qui s’apprêtent à faire l’objet de la réalisation d’un circuit démonstrateur. Cette thèse de doctorat abordera à la fois la question des modèles et des algorithmes d'entrainement et analysera les opportunités d'implémentations matérielles analogique/mixte et à base de composants memristifs (OxRAM, FeRAM, FemFET) pour le stockage des poids de ces réseaux. Ces investigations seront menées dans le cadre du projet "Emergences" [1] du programme cadre national PEPR IA de France 2030. Ces investigations seront menées en collaboration avec d'autres partenaires / doctorants et des post-doctorants.

Les candidats devront posséder des compétences dans au moins deux des domaines suivants :

- Apprentissage automatique et fondements mathématiques associés
- Systèmes embarqués
- Conception analogique/mixte

####
[1] https://emergences.pepr-ia.fr
[2] https://www.frontiersin.org/articles/10.3389/fncom.2023.1114651/full
[3] https://hal.science/lirmm-04959185/
[4] https://hal.science/lirmm-04959178/
[5] https://hal.science/hal-05098393/

Contexte :
La thèse se déroulera au LIRMM, unité mixte de recherche CNRS / Université de Montpellier. Cette
Voir plus sur le site emploi.cnrs.fr...


Profil recherché

Contraintes et risques :



Niveau d'études minimum requis

* Niveau Niveau 7 Master/diplômes équivalents

C’est l’une des plus importantes institutions publiques au monde : 33 000 femmes et hommes (dont plus de 16000 chercheurs et plus de 16000 ingénieurs et techniciens), en partenariat avec les universités et les grandes écoles, y font progresser les connaissances en explorant le vivant, la matière, l’Univers et le fonctionnement des sociétés humaines.


Des offres d'emplois recommandées pour vous

* Fonction publique : Fonction publique de l'État
* Fonction publique : Fonction publique de l'État
* Fonction publique : Fonction publique de l'État
* Fonction publique : Fonction publique de l'État
* Fonction publique : Fonction publique de l'État
* Fonction publique : Fonction publique de l'État
* Employeur : Inserm Occitanie Méditerranée
#J-18808-Ljbffr