Institut multidisciplinaire d'intelligence artificielle

DESCRIPTION

Le grand défi de cette chaire est de permettre l'avènement de la troisième génération de réseaux neuronaux, à savoir les réseaux neuronaux à impulsions (SNN).

Les réseaux neuronaux numériques s'inspirent des systèmes biologiques, dont les calculs sont de 3 à 6 ordres de grandeur plus efficaces sur le plan énergétique que les implémentations actuelles de réseaux neuronaux numériques dédiés. L'objectif est de combler le fossé grâce à des architectures massivement parallèles, configurables et non von-Neumann, basées sur des éléments de calcul et de stockage très denses et entrelacés, qui exploitent les capacités d'auto-apprentissage et d'auto-organisation.

Cette chaire sur une équipe pluridisciplinaire, indispensable pour trouver la combinaison idéale entre algorithmes d'apprentissage, accélérateurs à grande échelle et à faible consommation d'énergie, et applications industrielles.

ACTIVITÉS

La chaire recruté deux doctorants, l'un chargé de travailler sur les stratégies de codage et d'apprentissage, et l'autre sur la définition de l'architecture et la conception des circuits. Cette approche de co-conception logiciel-matériel est essentielle pour obtenir d'importants gains en matière d'efficacité énergétique.

Des travaux sont actuellement en cours pour déterminer, parmi toutes les applications possibles de l'IA, celles qui tireront le meilleur parti du codage par impulsions.

chaire

A. Valentian, "Choosing right combination of technology, design and tools is key for successful Edge AI solutions," Keynote Talk, ValleyML AI Expo 2020 Conference Series, Virtual event, October 2020.

F. Petrot, L. Anghel, L. Andrade, "State of the Art I Hardware-accelerated neural networks", Inited Presentation, Applied Machine ELarning days @ EFFL, 27 janvier 2020

LISTE SÉLECTIVE DE PUBLICATIONS

• L. Anghel, Binarized Ensemble Neural Networks based on spintronic devices- november 2021,IEEE / ACM International Symposium on Nanoscale Architectures.


• A. Valentian, "Les approches hardware de l'IA économe en énergie," Présentation invitée, Planet Tech'Care, Atelier - IA et consommation énergétique, Février 2021.


• A. Valentian, W. Weinreich, "AI chips for the edge - New computing architectures for low-power AI", EU Japan Symposium on semiconductors, événement virtuel, avril 2021.


• A. Valentian, "How to design a power frugal hardware for AI - The bio-inspiration path", Tiny ML Talks, Webcast, septembre 2021.


• V. Cinçon, Elena Ioana Vatajelu, Lorena Anghel, Philippe Galy, "From 1.8V to 0.19V voltage bias on analog spiking neuron in 28nm UTBB FD-SOI technology", IEEE conference EUROSOI-ULIS, september 2020


• A. Valentian, "Choosing right combination of technology, design and tools is key for successful Edge AI solutions," Keynote Talk, ValleyML AI Expo 2020 Conference Series, October 2020.


• A. Valentian, F. Rummens, E. Vianello, T. Mesquida, C. Lecat-Mathieu de Boissac, O. Bichler, C. Reita, "Fully Integrated Spiking Neural Network with Analog Neurons and RRAM Synapses," IEEE International Electron Devices Meeting (IEDM), San Francisco, CA, USA, décembre 2019.


• M. Bouvier, A. Valentian, T. Mesquida, F. Rummens, M. Reyboz, E. Vianello, E. Beigné, "Spiking Neural Networks Hardware Implementations and Challenges : a Survey," ACM Journal on Emerging Technologies in Computing Systems (ACM JETC), Special Issue on Hardware and Algorithms for Energy-Constrained On-chip Machine Learning, août 2019.