Intégration de réseaux de neurones à base d’oscillateurs verrouillés par injection

Publié le : 12 mars 2020

Les réseaux de neurones ont fait la preuve de leur supériorité par rapport aux architectures de calcul de type Von Neumann pour les opérations de classification complexes. L’embarquement de réseaux de neurones proche du capteur (Edge IA) est souhaitable car elle permettrait de réduire la consommation d’énergie des réseaux de capteur sans fil en donnant plus d’autonomie de décision aux capteurs et en limitant le nombre de communication nécessaires entre les capteurs et le centre de ressource en calcul.

Il existe actuellement un axe de recherche visant à diminuer sensiblement la consommation des neurones afin de répondre aux besoins de l’Edge IA. A côté des implémentations purement numériques, des solutions analogiques voient le jour. Le but de la thèse est de démontrer la faisabilité de l’intégration sur silicium d’un réseau de neurones Ultra Faible Consommation utilisant des Oscillateurs Verrouillés par Injection (ILO) comme neurone.

Le candidat à cette thèse doit avoir une bonne connaissance des domaines de l’apprentissage statistique et des réseaux de neurone en particulier. Il doit également avoir un bon niveau en électronique analogique. L’approche théorique nécessitera de bonnes aptitudes mathématiques et une bonne connaissance des langages de modélisation tel que python. Le travail de thèse doit aboutir à l’intégration d’un réseau de neurones à ILOS sur silicium ainsi qu’à la démonstration de sa capacité d’apprentissage, pour une consommation à l’état de l’art.

En naviguant sur notre site, vous acceptez que des cookies soient utilisés pour vous proposer des contenus et services adaptés à vos centres d’intérêts. En savoir plus
X