Exploitation des méthodes formelles pour la gestion des interférences au sein des systèmes embarqués H/F
Au sein d’une équipe de recherche technologique pluridisciplinaire d’experts en outils de co-design SW/HW par application de méthodes formelles, vous intervenez dans un projet national de recherche visant à développer un environnement pour identifier, analyser et réduire les interférences engendrées par l’exécution concurrente d’applicatifs sur une plateforme matérielle multi-coeur hétérogène sur étagère (COTS)
Design des différents blocs d'un algorithme de calcul hyperdimensionel au sein de matrices mémoires non-volatiles
Pour répondre à différents enjeux scientifiques et sociétaux, les circuits intégrés de demain doivent gagner en efficacité énergétique. Or, la majorité de leur énergie est aujourd’hui consommée par les transferts de données entre les blocs mémoire et logique dans des architectures circuit de type Von-Neumann. Une solution émergente et disruptive à ce problème consiste à rendre possible des calculs directement dans la mémoire (« In-Memory Computing »). Dans le cadre de ce projet Carnot, nous proposons d’étudier la théorie du calcul hyper-dimensionnel (HDC) qui est aujourd’hui envisagée pour répondre au besoin de l’apprentissage machine dans le domaine de l’intelligence artificielle. Pour tester cette théorie, nous proposons de l’appliquer à la détection et à la classification de signaux physiologiques pour la reconnaissance de gestes. Ce domaine de recherche très prometteur pour les applications liées à l’interaction homme-machine, donne la possibilité a un utilisateur d’interagir directement par son activité musculaire.
Par rapport aux autres méthodes de classification, le calcul HDC présente des atouts importants : il est simple dans le sens où il s’appuie sur des opérations élémentaires, une seule passe est nécessaire pour l’entrainement (donc pas de rétro-propagation avec une mise à jour de poids synaptiques). Le fait qu’une entité soit représentée sur un vecteur de grande dimension (hyper-vecteur) rend cette approche peu sensible aux erreurs et aux bruits, ce qui représente un atout majeur pour travailler avec des signaux physiologiques.
Calibration automatique de boites quantiques assistée par réseaux de neurones et modèle physique
Les ordinateurs quantiques offrent de grandes promesses pour faire progresser la science, la technologie et la société en résolvant des problèmes au-delà des capacités des ordinateurs classiques. L'une des technologies de bits quantiques (qubits) les plus prometteuses est celle des qubits de spin, basés sur des boîtes quantiques (BQ) tirant parti de la grande maturité et de l'évolutivité des technologies des semi-conducteurs. Cependant, l'augmentation du nombre de qubits de spin nécessite de surmonter d'importants défis d'ingénierie, tels que la calibration de charge d'un très grand nombre de BQ. Le processus de calibration des BQ implique de multiples étapes complexes qui sont actuellement effectuées manuellement par les expérimentateurs, ce qui est long et fastidieux. Il est maintenant crucial de résoudre ce problème afin d'accélérer la R&D et de permettre la réalisation d’ordinateurs quantiques à grande échelle.
L'objectif de ce projet de post-doctorat est de développer un logiciel de calibration automatique de BQ combinant un réseau de neurones bayésien (BayNN) et un modèle physique reproduisant le comportement des dispositifs du CEA-Leti. Cette approche innovante tirant parti des estimations d'incertitude des BayNN et l’aspect prédictif du modèle permettra d’obtenir une solution de calibration automatique rapide et robuste aux non-idéalités des BQ.
Etude numérique basée sur la meta-modélisation de la propagation d’ondes ultrasonores dans des tuyauteries comportant des zones de corrosion
Le projet ANR PYRAMID (http://www.agence-nationale-recherche.fr/Projet-ANR-17-CE08-0046), a pour objectif de développer des techniques permettant de détecter et quantifier l’amincissement de paroi dû à la corrosion induite par un flux chargé en débris dans les systèmes de tuyauterie. Dans le cadre de ce projet qui implique des équipes Françaises et Japonaises, le CEA LIST développe des outils de simulation basés sur une approche éléments finis et dédiés à la modélisation de la diffraction d’ondes guidées ultrasonores par une zone de corrosion dans une canalisation coudée. Mises à disposition des partenaires, ces solutions supporteront la conception d’un procédé d’inspection par Transduction ElectroMagnétique-Acoustique (EMAT) au laboratoire vibrations-acoustique (LVA) de l’INSA Lyon. Pour cela, un atout différentiant reposera sur la capacité du CEA LIST à adapter des outils de méta-modélisation a ses modèles physiques pour autoriser une exploitation intensive de la simulation.
La carbonisation hydrothermale en tant que prétraitement des déchets avant leur conversion thermochimique par gazéification
La gazéification, transformation thermochimique généralement réalisée à environ 850°C, permet de produire un gaz utilisable en cogénération, ou pour la synthèse de produits chimiques ou de carburants. Des verrous subsistent essentiellement pour la gazéification de déchets d'origine biogénique ou fossile : alimentation irrégulière dans le réacteur due à une hétérogénéité en forme et composition ; formation de polluants inorganiques gazeux (HCl, KCl, NaCl, H2S) ou organiques (goudrons), qui gênent le procédé et/ou diminuent son efficacité, et doivent impérativement être nettoyés avant l’application finale.
L'objectif du post-doctorat sera de tester et d'optimiser une étape de prétraitement de la ressource par carbonisation hydrothermale (HTC). Cette transformation est réalisée à 180-250°C, dans un milieu humide et pressurisé (2-10 MPa). Le produit principal est un résidu solide carboné (hydrochar), valorisable par gazéification. L’HTC vise à limiter le relâchement de polluants organiques et inorganiques lors de la gazéification, et à homogénéiser et améliorer la forme physique de la ressource.
La démarche s’appuiera sur : des expérimentations en réacteurs batch sur des ressources et matériaux modèles préalablement sélectionnés, associées à une quantification et analyse des produits formés ; une analyse des résultats visant à élucider les liens entre la ressource et les propriétés de l’hydrochar en fonction des conditions opératoires ; une évaluation des rendements matière et énergie du procédé HTC-gazéification.
Machine learning et simulateur pour l'estimation d'état d'un processus dynamique
Le but est de décrire au mieux l’état réel d'un procédé d'extraction liquide-liquide sur la base des données enregistrées. Or, ces dernières sont, par nature, entachées d’incertitudes et sous l’influence de variables exogènes qui ne sont pas enregistrées ni intégrées dans le jumeau numérique. Il est donc nécessaire de travailler le recollement des données entre la réalité et le simulé par PAREX+, simulateur dédié à ce type de procédé. Le code PAREX+ sera utilisé pour constituer une base conséquente de simulations : à chaque essai de paramètres opératoires (pavage de l’espace) sera associée la réponse dynamique du système. Le réseau de neurones convolutionnel (CNN) cherchera à résoudre le problème inverse : apprendre sur l’ensemble des réponses dynamiques les jeux de paramètres opérationnels possibles. Un enrichissement progressif de la base de données sera effectué dans les zones où le CNN ne sera pas assez performant. Une fois calibré, le CNN sera confronté aux données réelles et modifié pour tenir compte des imperfections des données. La finalité du CNN est d’être capable de bien identifier les paramètres du procédé à chaque pas de temps à des fins de contrôle et de diagnostic en temps réel : la dynamique observée est-elle celle attendue ?
Développement des traitements par Intelligence Artificielle d’une station de mesure et prévision
Le Commissariat à l’Energie Atomique (CEA) lance un projet appelé « MultiMod'Air » consistant à développer en 2 ans un prototype de station de mesure et de prévision de la qualité de l'air dite « intelligente ».
Ce projet pluridisciplinaire implique une vingtaine d’ingénieurs et de chercheurs du CEA, spécialisés chacun dans un domaine particulier.
Le sujet proposé consiste à mettre au point différentes briques d’Intelligence artificielle (IA) en commençant par quelques étapes, maitrisées mais innovantes, de correction par Réseau de Neurones Artificiels (RNA) des mesures de qualité de l’air effectuées par des capteurs à bas coût, ainsi que des prévisions météorologiques au niveau de la station.
Le cœur du travail de recherche concernera la mise au point d’une prévision de la pollution au niveau de la station par apprentissage sur les évènements passés.
Le post-doc sera encadré par un météorologue et par un spécialiste en IA. Il sera assisté d’un ingénieur IA pour les traitements de données.
Co-optimisation Design et Technologie de mémoires magnétorésistives pour le calcul dans la mémoire
Le coût énergétique associé aux mouvements de données à travers la hiérarchie des mémoires est devenu un facteur limitant dans les systèmes de calcul modernes. Afin d'enrayer cette tendance, des architectures innovantes favorisant un traitement plus local et parallélisable de l'information stockée sont proposées; il s'agit de "calcul proche/dans la mémoire" (Near/In-Memory Computing). Des gains importants sont anticipés, s'agissant notamment de tâches complexes (ex: optimisation combinatoire, analyse de graphes, cryptographie) et basées sur le traitement de volumes importants de données (ex: analyse de flux vidéos, bio-informatique). De telles applications sont particulièrement exigeantes en termes d'endurance, de rapidité et de densité. Les mémoires SRAM, satisfaisant les deux premiers critères, commencent à souffrir de leur surface et de leur consommation de puissance statique. Il convient donc d'évaluer des alternatives technologiques plus denses et non-volatiles, parmi lesquelles les mémoires magnétorésistives (MRAM) se distinguent en termes de compromis rapidité/endurance.
L'objectif principal sera d'estimer les améliorations permises par la MRAM en termes de compromis puissance/performance/aire (PPA), relativement aux solutions existantes à base de SRAM et pour des nœuds technologiques avancés. Une méthodologie d'analyse et de comparaison devra donc être établie pour diverses variantes MRAM, un modèle compact de l'élément mémoire permettant d'optimiser les cellules unitaires. Sur la base de ces travaux, des démonstrateurs fonctionnels IMC seront élaborés afin de quantifier l'apport de cette technologie sur un véhicule de test intégré.
Optimisation combinatoire des matériaux de base dans le cadre du design de nouveaux matériaux
Le design de nouveaux matériaux est un domaine qui connait un intérêt croissant, notamment avec l’apparition des procédés de fabrication additive, de dépôt de couches minces, etc. Afin de créer de nouveaux matériaux dans le but de cibler des propriétés intéressantes pour un domaine d’application, il est souvent nécessaire de mélanger plusieurs matières premières.
Une modélisation physico-chimique des réactions qui se produisent lors de ce mélange est souvent très difficile à obtenir, d’autant plus lorsque le nombre de matières premières augmente. Nous souhaitons nous affranchir autant que possible de cette modélisation. A partir de données expérimentales et de connaissances métiers, le but de ce projet est de créer une IA symbolique capable de chercher à tâtons quel est le mélange optimal pour atteindre une ou plusieurs propriétés données. L’idée est d’adapter des méthodes existantes de recherche opérationnelle, comme l’optimisation combinatoire, dans un contexte de connaissances imprécises.
Nous nous intéresserons à différents cas d’usage comme les batteries électriques, les solvants pour cellules photovoltaïques et les matériaux anti-corrosion.
Modélisation et évaluation de la e-raffinerie CO2 du futur
Dans le contexte de l'atteinte des objectifs de neutralité carbone en 2050, le CEA a porté une initiative de projet en 2021 qui consiste à évaluer la pertinence du couplage entre un système électronucléaire et un dispositif de capture directe du carbone atmosphérique au travers d’une valorisation de la chaleur fatale du système.
Intégré(e) dans une équipe d'une vingtaine d'experts (évaluation des systèmes énergétiques, ingénierie technico-économique, modélisation de systèmes énergétiques, optimisation, programmation informatique), le candidat participera à un projet de recherche concernant la modélisation et l’évaluation d’une raffinerie du CO2 dédiée à la production de Jet Fuel alimentée par un réacteur nucléaire et couplée avec un procédé de capture de CO2 atmosphérique.