> Offres de formation > Offres de thèses

Réseau d'interconnexion auto-adaptable et fiable pour les architectures IA

Défi technologique : Nouveaux paradigmes de calculs, circuits et technologies, dont le quantique (en savoir +)

Département : Département Systèmes et Circuits Intégrés Numériques (LIST)

Laboratoire : Laboratoire Environnement de Conception et Architecture

Date de début : 01-09-2022

Localisation : Saclay

Code CEA : SL-DRT-22-0319

Contact : hana.krichene@cea.fr

Les algorithmes d'apprentissage profond tels que les réseaux neuronaux convolutifs (CNN, Convolutional Neural Networks) sont utilisés pour de nombreuses applications de reconnaissance et/ou de classification d'images. Ces CNNs sont composés de plusieurs couches qui engendrent d'importants mouvements de données. De nombreux travaux ont proposé des architectures dédiées pour l'inférence des CNNs, mais peu ont proposé des optimisations du réseau d'interconnexion. Or si l'implémentation des CNNs doit assurer un parallélisme de calcul élevé, elle doit également optimiser les mouvements des données pour optimiser l'efficacité énergétique. Les accélérateurs de CNNs actuellement développés ne sont pas optimisés pour des applications à comportement dynamique provoquant des transferts de données irréguliers. Par ailleurs, les évolutions technologiques entraînent une plus grande sensibilité des architectures aux perturbations de l'environnement, et notamment pour le support de communication qui doit donc être fiabilisé. Ces irrégularités de trafic combinées à des apparitions de fautes au sein du réseau peuvent conduire à des congestions dans le réseau. Dans ce contexte, l'équilibrage de la charge et le dimensionnement des ressources deviennent des tâches difficiles à anticiper pour maintenir une qualité de service satisfaisante pour l'application. Cette thèse propose d'adresser ces problématiques et vise à développer un NoC intelligent pour les architectures d'IA. Un NoC dynamique et tolérant aux fautes sera proposé pour supporter l'implémentation d'algorithmes d'IA évolutifs et flexibles. Il s'appuiera sur une gestion optimisée du trafic de données pour une implémentation énergétiquement efficace.

Voir toutes nos offres Télécharger l'offre (.zip)

Email Bookmark and Share