ADAPTING
Architectures adaptatives pour l’intelligence artificielle embarquée
Aperçu
Une approche allant plus loin que less architectures matérielles actuelles et dont le but est d’atteindre les prochaines générations d’applications du domaine de l’IA.
Alberto Bioso, Professeur Ecole Centrale Lyon
Ivan Miro Panades, Ingénieur-chercheur, CEA
Le projet ADAPTING propose un nouveau paradigme architectural adaptable à toute application d’IA et à ses contraintes en termes de précision, d’énergie, de latence et de fiabilité. L’architecture adaptive sera conçue pour assurer la flexibilité, l’efficacité, la durabilité et la fiabilité de l’IA embarquée. Cette approche va au-delà des architectures matérielles actuelles et vise les prochaines générations d’applications du domaine de l’IA.
Mots clefs : Edge IA, Efficacité énergétique, IA de confiance, Architectures Informatiques, IA embarquée, architecture reconfigurable, implémentation matérielle fiable
Les missions
Nos recherches
Flexibilité
Pouvoir utiliser les mêmes architectures matérielles pour exécuter différents algorithmes d’IA en prenant en compte les contraintes applicatives en termes de précision, consommation énergétique et fiabilité.
Apprentissage sur puce
Permettre un apprentissage adaptatif dans le cloud ou au plus près du capteur pour limiter le transfert de données et ainsi préserver leur confidentialité tout en réduisant la consommation d’énergie.
Efficacité énergétique
Concevoir des composants de calcul frugaux et d’architectures matérielles permettant de réduire significativement le transfert de données entre la mémoire et les calculateurs.
Fiabilité
Exploiter les spécificités des architectures matérielles pour développer des stratégies adaptées de tolérance aux fautes en temps réel, à bas coût, afin de détecter, diagnostiquer et corriger les erreurs matérielles.
Le consortium
CEA-List, Ecole Centrale de Lyon, Sorbonne Université, Université de Rennes, IRISA/INRIA, Université de Nantes, Université Bretagne Sud / Lab-STICC, Polytechnique Montréal
- Spécifications pour la création de nouvelles générations d’architecture matérielle adaptative pour l’IA embarquée.
- Développent de plateformes virtuelles de simulation de ces architectures afin d’évaluation des performances en termes de flexibilité, énergie consommée, apprentissage sur puce et robustesse.
- Comparaison de ces architectures avec l’état de l’art.
La multiplication des objets connectés génère un besoin croissant de traitement par l’intelligence artificielle des données au plus près des capteurs. Cette tendance induit de fortes contraintes en termes de confidentialité des données, de bande passante, de consommation d’énergie et de latence, en particulier pour des applications temps-réel critiques.
Le projet AdaptING propose un nouveau paradigme architectural évolutif pour concevoir des solutions matérielles d’IA intégrées flexibles, efficaces, durables et fiables.
Une communauté de 68 chercheurs, enseignements chercheurs et ingénieurs permanents, mobilisant en outre 25 doctorants, 2 post-doctorants, 3 ingénieurs de recherche contractuels, 1 alternant et 10 stagiaires.
Autres projets
