En poursuivant votre navigation sur ce site, vous acceptez le dépôt de cookies dans votre navigateur. (En savoir plus)

Contrat doctoral : Conception de circuit intégré pour fusion de données à petite échelle et unité de classification générique pour capteurs intelligents (H/F)

Cette offre est disponible dans les langues suivantes :
Français - Anglais

Assurez-vous que votre profil candidat soit correctement renseigné avant de postuler. Les informations de votre profil complètent celles associées à chaque candidature. Afin d’augmenter votre visibilité sur notre Portail Emploi et ainsi permettre aux recruteurs de consulter votre profil candidat, vous avez la possibilité de déposer votre CV dans notre CVThèque en un clic !

Faites connaître cette offre !

Informations générales

Référence : UMR8520-FRELEF-039
Lieu de travail : LILLE
Date de publication : jeudi 7 novembre 2019
Nom du responsable scientifique : Antoine FRAPPE
Type de contrat : CDD Doctorant/Contrat doctoral
Durée du contrat : 36 mois
Date de début de la thèse : 1 mars 2020
Quotité de travail : Temps complet
Rémunération : 2 135,00 € brut mensuel

Description du sujet de thèse

Dans le contexte des capteurs distribués dans les réseaux autour du corps humain, le nombre croissant de capteurs communiquant entre eux génère de nombreuses données à traiter. En outre, la majeure partie des données produites est constamment mise à jour mais ne représente pas toujours une information pertinente et ne nécessite donc pas un traitement. Pour résoudre ce problème et limiter le surcoût des communications, le capteur doit intégrer une intelligence pour trier le flux d'informations. Les capteurs intégrant un traitement local très faible consommation ouvrent les perspectives suivantes :
• Extraire des informations utiles et contextuelles de la fusion des signaux du capteur ;
• Réagir uniquement lorsque de nouvelles informations sont présentes à l'entrée ;
• Réduire considérablement le coût énergétique de communication, améliorant ainsi l'efficacité du système ;
• Améliorer la confidentialité en utilisant un conditionnement de signal local.
Se différenciant des algorithmes d'apprentissage automatique centralisés et consommateurs d'énergie, généralement dans le cloud, le « near sensor computing » (ou edge computing) pour les réseaux distribués vise à intégrer des algorithmes de fusion et de classification de signaux de capteurs à petite échelle et énergétiquement efficaces.
Ce doctorat se consacre à l'étude et à la conception de systèmes intégrés pour les unités de fusion de données et de classification à petite échelle proches des capteurs utilisant des architectures neuro-inspirées, telles que les réseaux à base de cliques, les long short-term memories ou les réseaux de neurones binarisés. L'objectif final de ce travail est de concevoir un circuit intégré démontrant l'intégration des concepts d'intelligence artificielle directement au niveau du capteur, à appliquer à différents types de signaux (audio, biomédical, automobile, etc.).
Les tâches suivantes seront envisagées :
• Etude et modélisation de différentes architectures de réseaux de neurones (réseaux de cliques, mémoires à court terme ou réseaux de neurones binarisés, etc.) ;
• Démonstration matérielle de la fusion de capteurs sur une plate-forme intégrée (telle que FPGA, microcontrôleur ou système sur puce mixte) ;
• Conception de circuits au niveau des transistors et mesures dans un process technologique CMOS avancé
Les candidats potentiels doivent :
• Avoir obtenu un diplôme de Master en électronique ou équivalent ;
• Avoir une expertise dans les outils ou langages de modélisation de haut niveau (Matlab, Simulink, Verilog-AMS, HDL, C, etc.), la connaissance de la conception de circuits à l'aide de la suite Cadence est un atout ;
• Maîtriser l'anglais (oral et écrit) ;
• Être capable de travailler de manière autonome et de prendre des initiatives ;
• Travailler en équipe

Contexte de travail

Les travaux de doctorat seront menés au sein du groupe de conception de circuits intégrés de l'IEMN à Lille, France, en collaboration avec STMicroelectronics. L'équipe de recherche a acquis des compétences dans la conception de circuits intégrés à faible consommation d'énergie pour l'apprentissage automatique intégré et efficace en énergie dans les technologies CMOS avancées depuis plusieurs années. L'équipe mène également des projets nationaux de pointe dans le domaine du « Near Sensor Computing »

Contraintes et risques

Des déplacements de courte durée en France et à l'étranger sont à prévoir.

On en parle sur Twitter !