Axe 2 : Architectures embarquées et matérielles pour l'IA

L'IA du futur doit sortir du cloud pour rencontrer ses utilisateurs et surmonter les problèmes liés à la surcharge de communication et à la confidentialité des données. Les architectures matérielles pour l’intelligence artificielle (par exemple, Neuro Processing Unit - NPU) constituent un sujet clé pour les nouvelles applications, intégrées dans des appareils à faible consommation et à faible temps de latence (voitures, équipements portables destinés aux soins de santé ou capteurs intelligents d’événement). Un programme spécifique abordera des sujets de recherche connexes. Dans le même temps, un nouveau paradigme IT, associant Edge/Fog/Cloud computing et l'IoT, nécessite une gestion avancée des ressources. L'intelligence distribuée est un sujet émergent qui permettra d'optimiser les applications distribuées, y compris l'apprentissage distribué. S'appuyant sur l'effort scientifique présenté dans l'axe 1, les deux sujets de recherche utiliseront l'apprentissage en ligne, non supervisé, incrémental et «sous contrainte» afin de permettre une adaptabilité à l'environnement, une personnalisation aux utilisateurs et un système efficace.

2.1. Neuro-processing units

Deux chaires explorent les variantes de NPU. Toute l'expertise locale en semi-conducteurs, technologies de mémoire non volatile, conception à base de pointes ou numérique, conception de circuits et d'architecture innovante, sera utilisée pour trouver le meilleur compromis en termes de flexibilité logicielle, évolutivité matérielle, efficacité énergétique, débit et latence.

  • Hardware for spike-coded neural networks exploiting hybrid CMOS non-volatile technologies - Anghel & Valentian
  • Digital Hardware AI Architectures - Pétrot

2.2. Intelligence distribuée

Ce programme exploitera la mise en œuvre d'applications d'intelligence artificielle au moyen d'algorithmes optimisés et d'un logiciel d'orchestration approprié pour gérer les ressources des plates-formes distribuées. Son objectif principal est de pouvoir traiter l'énorme quantité de données générée par l'analyse de données locales et l'IA distribuée.

  • Edge intelligence - Trystram