le 12 décembre 2025 à 14:00 à Amphi IRCICA
L'intelligence artificielle (IA), et plus particulièrement les Réseaux de Neurones Artificiels (ANNs) ont pris une place centrale dans l'informatique moderne avec des performances remarquables pour la résolution de tâches complexes. Leur intégration dans des systèmes embarqués a donné naissance à l'Intelligence Artificielle des Objets (AIoT). Cependant, le déploiement d'ANNs sur ces systèmes demeure difficile dû à leur complexité. Pour relever ce défi, les chercheurs étudient le recours à du matériel spécialisé, à la compression de modèles et à des solutions cloud. Le Calcul Neuromorphique offre une solution viable, s'inspirant du cerveau par l'utilisation de Réseaux de Neurones Impulsionnels (SNNs). Bien que prometteuses, les puces neuromorphiques sont souvent limitées et peu reconfigurables, plaçant les Field Programmable Gate Arrays (FPGAs) comme des plateformes privilégiées pour la recherche. C'est dans ce contexte que nous avons développé ModNEF, une architecture modulaire libre sur FPGA permettant l'inférence de SNN complexes via l'interconnexion de modules indépendants, offrant ainsi une grande flexibilité d'implémentation. Nous avons validé notre architecture sur des jeux de données neuromorphiques standards ainsi que sur une étude de cas sur la détection de cachalots en mer Méditerranée, démontrant sa capacité à réaliser des tâches de classification pour des applications embarquées.
M. Samy MEFTALI Université de Lille Directeur de thèse, M. Sylvain SAïGHI UMR 5218 - IMS - Laboratoire de l’Intégration du Matériau au Système Rapporteur, M. Frédéric PETROT Université Grenoble Alpes Grenoble INP Institut d’Ingénierie et de Management Rapporteur, Mme Virginie HOEL Université de Lille Examinatrice.
français
English