Description du sujet de thèse

L'intelligence artificielle (IA) a révolutionné de nombreux domaines, mais sa mise en œuvre est associée à une consommation énergétique considérable. Cette contrainte énergétique constitue un frein important, en particulier pour les applications embarquées et les dispositifs à ressources limitées. Les avancées récentes dans le calcul en mémoire, utilisant des composants innovants tels que les memristors et la MRAM, ont montré un potentiel remarquable pour réduire drastiquement cette consommation énergétique. Cependant, ces circuits de calcul en mémoire doivent être intégrées dans des systèmes programmables pour une utilisation flexible dans la quasi-totalité de leurs applications. L'intégration de calcul en mémoire dans des systèmes programmables pose des défis majeurs, notamment la perte potentielle de bénéfices énergétiques due aux mouvements de données et aux goulots d'étranglement potentiels. Cette problématique est particulièrement prononcée lors de la phase d'apprentissage des modèles d'IA, qui nécessite une grande programmabilité et flexibilité.
Cette thèse vise à développer des architectures hybrides combinant calcul en mémoire et systèmes programmables de type RISC-V, avec un effort intense d'optimisation de cette interface et le développement de méthodes rigoureuses d'évaluation de la consommation énergétique.

Objectifs de la thèse
Développement de prototypes ASIC hybrides :
- Concevoir et fabriquer des ASICs hybrides intégrant des composants de calcul en mémoire (memristors, MRAM) et des processeurs RISC-V.
- Collaborer avec les laboratoires C2N, IM2NP et CEA LETI pour la fabrication des prototypes.

Études conceptuelles de systèmes dédiés à l'apprentissage :
- Développer des architectures spécifiques pour l'apprentissage en IA, en co-développant le matériel et l'architecture logicielle.
- Contribuer à l’élaboration de nouveaux algorithmes optimisés pour le calcul en mémoire afin de maximiser l'efficacité énergétique, notamment dans des contextes embarqués.

Évaluation rigoureuse de la consommation énergétique :
- Mettre en place des méthodes d'évaluation systématiques et rigoureuses pour mesurer la consommation énergétique des systèmes développés.
- Comparer les performances énergétiques des systèmes hybrides avec les solutions traditionnelles basées sur GPU.

Thèse financée par l’action transverse CHOOSE du PEPR d’Accélération Electronique.

Contexte de travail

La thèse aura lieu dans l’équipe INTEGNANO du Centre de Nanosciences et de Nanotechnologies, centrée sur une approche intégrative et multidisciplinaire du développement de nouveaux dispositifs basés sur la charge et le spin. Nous combinons des compétences en nano-magnétisme et en électronique, en science des matériaux, en conception de circuits et en architectures informatiques innovantes. Nos intérêts de recherche vont de l'étude des phénomènes fondamentaux à la conception de nouveaux dispositifs ayant un potentiel pour des applications technologiques dans le traitement et le stockage de l'information.
La personne recrutée effectuera également des séjours réguliers dans l’équipe Mémoires de l’ Institut Matériaux Microélectronique Nanosciences de Provence (Marseille). Cette équipe, forte de 11 enseignants-chercheurs (4 PR et 7 MCF) et d’une dizaine de chercheurs non permanents (doctorants et Post-doctorants), adresse un large panel de solutions mémoires à tous les stades de maturité. Pour ce faire, une approche globale des dispositifs électroniques de mémorisation est mise en œuvre, allant des matériaux fonctionnels constituant l’élément de mémorisation, jusqu’au circuit mémoire en passant par les dispositifs mémoires isolés ou matricés. Les études menées sur l’ensemble de la chaîne de valeur s’appuient sur des moyens matériels de caractérisation et de test adaptés à chaque niveau d’étude.


Le poste se situe dans un secteur relevant de la protection du potentiel scientifique et technique (PPST), et nécessite donc, conformément à la réglementation, que votre arrivée soit autorisée par l'autorité compétente du MESR.

Contraintes et risques

Non applicable