EMERGENCES
Modèles émergents proche physique pour l’IA embarquée
Aperçu
Une avancée dans les modèles émergents proches de la physique et une utilisation différents modèles de calcul et plusieurs propriétés issues de différents dispositifs physiques.
Marina Reyboz, Directrice de recherche CEA
Gilles Sassatelli, Directeur de recherche CNRS
Le projet EMERGENCES vise à faire progresser l’état de l’art sur les modèles émergents proches de la physique en explorant de manière collaborative divers modèles de calcul en utilisant les propriétés de différents dispositifs physiques. Ce projet se concentrera sur les modèles événementiels bio-inspirés, les modèles inspirés de la physique et les solutions d’apprentissage automatique innovantes proche de la physique. Emergences a en outre l’intention d’étendre les activités de recherche collaborative au-delà du périmètre du consortium en lien avec d’autres projets PEPR et au-delà d’autres laboratoires.
Mots clefs: Modèles émergents pour l’IA, IA embarquée, IA proche physique, efficacité énergétique, Edge IA
Les missions
Nos recherches
Réseaux neuronaux et modèles événementiels bio-inspirés
Définir des implémentations matérielles efficaces, l’utilisation de la fusion avec des capteurs neuromorphiques et la multimodalité :
- démontrer la maturité croissante des réseaux de neurones à impulsions (SNN) avec un processus de formation et de conception pour le matériel à impulsion à énergie proportionnelle
- exploiter la parcimonie intrinsèque aux capteurs événementiels qui produisent nativement une activité événementielle éparse pour l’efficacité énergétique- étudier l’utilisation de la multimodalité pour améliorer la précision en lien avec la communauté des neurosciences
Modèles inspirés de la physique disruptive
Développer des méthodes d’entraînement plus efficaces et plus précises pour les réseaux de neurones bayésiens en explorant des algorithmes inspirés du cerveau et de la physique:
- explorer les possibilités de mise en œuvre de modèles basés sur l’énergie au niveau technologique en exploitant les technologies de mémoire analogiques et émergentes
- étudier des algorithmes inspirés du cerveau et de la physique pour de tels modèles
Conception proche de la physique pour l’apprentissage automatique
Améliorer l’efficacité énergétique des modèles d’apprentissage automatique pour l’inférence et l’apprentissage. Deux aspects seront pris en compte :
- la co-optimisation matériel/logiciel des algorithmes émergents : tels que les couches attentionnelles ou l’apprentissage incrémental
- les investigations d’architecture matérielle pour tirer parti des avantages des technologies émergentes
Le consortium
CEA, CNRS, Université Côte d’Azur, Université Aix-Marseille, Université de Bordeaux, Université de Lille, Université de Paris-Saclay, Universités Grenoble Alpes, INSA Rennes
- Faire progresser l’état de l’art dans le domaine des réseaux neuronaux à impulsions au niveau de la multimodalité, de la fusion de capteurs, de la mise en œuvre matérielle et de l’apprentissage.
- Progrès dans les modèles inspirés de la physique (modèles probabilistes, modèles basés sur l’énergie, etc.) et les algorithmes d’apprentissage exploitant les propriétés des dispositifs physiques
- Nouvelles approches et algorithmes pour le matériel d’apprentissage profond en périphérie (apprentissage sur puce, IMC, etc.) et les logiciels exploitant les propriétés NVM.
EMERGENCES vise à développer des modèles d’IA embarquée à très faible consommation d’énergie pour des applications responsables et vertueuses au calcul à la périphérie du réseau telles que l’observation de l’environnement, la santé… Emergences sera donc attentif aux enjeux de durabilité des modèles développés, notamment en définissant des indicateurs permettant de mesurer ces aspects.
En raison des implications sociétales et philosophiques incontournables de l’IA dans son ensemble, Emergences animera parallèlement aux activités de recherche un parcours visant à analyser et anticiper l’impact de ses contributions.
Une communauté de 60 chercheurs, enseignements chercheurs et ingénieurs permanents, mobilisant en outre 19 doctorants, 12 post-doctorants et 4 ingénieurs de recherche contractuels.