Etude d'architectures d'accélérateurs matériels de niveau de neurones distribués sur des pucettes

Contexte et atouts du poste Dans le cadre du projet CAMELIA (stratégie nationale pour l'IA), l'équipe MADMAX cherche à recruter un doctorant en architecture matérielle pour la conception de circuits numériques d'accélération de charge de travail en IA. L' objectif est d'étudier la conception d'accélérateurs matériels physiquement distribués sur des pucettes, avec des problématiques de partitionnement, d'ordonnancement, d'optimisation et d'implantation matérielle. Mission confiée Missions : Recherche, développement de prototypes et démonstrateurs, publication des résultats Pour une meilleure connaissance du sujet de recherche proposé : 2020-06 - Ultra Low-latency, Low-area Inference Accelerators using Heterogeneous Deep Quantization with QKeras and hls4ml 2021-05 FCCM - unzipFPGA_ Enhancing FPGA-based CNN Engines with On-the-Fly Weights Generation 2020-11 ICFPT - Memory-Efficient Dataflow Inference for Deep CNNs on FPGA 2024-08 - H2PIPE High Throughput CNN Inference on FPGAs with High-Bandwidth Memory 2023-03 - FlexCNN_ An End-to-end Framework for Composing CNN Accelerators on FPGA Collaboration : La thèse se déroulera dans le contexte d'un projet national, ce qui induit des collaborations avec l'ensemble des membres du projets. Principales activités Analyse de l'état de l'art, et ce durant la totalité des 3 ans de thèse Recherche de solutions, d'un point de vue théorique et pratique Implantation et évaluation des solutions Rédaction de publications Compétences Compétences techniques et niveau requis : expert en RTL, FPGA et plus globalement architecture matérielle Langues : Anglais École doctorale : MSTII - Mathématiques, Sciences et technologies de l'information, Informatique Direction : Frédéric PETROT Financement : Autres financements