Réseaux de neurones associatifs à minimisation d’énergie utilisant des mémoires résistives
Ce projet de thèse vise à développer des réseaux neuronaux associatifs de type Hopfield, capables d’effectuer l’inférence par minimisation d’énergie.
L’objectif est d’exploiter ces dynamiques pour le débruitage et la reconstruction d’images à proximité des capteurs, dans des systèmes fortement contraints en énergie et en latence.
Les synapses du réseau seront implémentées dans des matrices de mémoires résistives ReRAM, permettant des opérations analogiques directement en mémoire.
Le travail portera sur le dimensionnement de ces architectures, en tenant compte de la taille des matrices, de la quantification des poids, de la variabilité des dispositifs et de leur endurance.
Des modèles de référence seront développés sous PyTorch afin d’évaluer différentes dynamiques neuronales et stratégies d’implémentation.
Le débruitage d’images par blocs servira de cas d’usage principal pour mesurer les compromis entre qualité de reconstruction, rapidité et consommation énergétique.
Une attention particulière sera portée à la robustesse des réseaux face aux non-idéalités matérielles, notamment le bruit, la variabilité et la dérive des mémoires.
Le projet explorera également des mécanismes d’apprentissage local sur puce, permettant une adaptation progressive aux changements du capteur, de la scène ou du matériel.
Ces règles devront rester compatibles avec les contraintes d’endurance des mémoires résistives.
À terme, la thèse devra fournir des recommandations de dimensionnement matériel et préparer la conception d’un démonstrateur expérimental.
L’enjeu scientifique est de montrer qu’une inférence associative dynamique peut constituer une brique efficace, robuste et basse consommation pour l’IA embarquée.
Validation systémique des bases de règles floues : prise en compte de la disponibilité des données et des spécificités de l’inférence floue}
Ce sujet de thèse s’inscrit dans le domaine de l’intelligence artificielle symbolique. Contrairement aux approches basées sur les réseaux de neurones, ces méthodes reposent sur des règles explicites, souvent issues d’experts ou apprises à partir de peu de données, ce qui les rend interprétables mais potentiellement imparfaites.
Le problème central est donc la validation des bases de règles floues : il s’agit de vérifier que les règles produisent des résultats cohérents, utiles et fiables. Les méthodes existantes utilisent des métriques globales (performance globale du système) et locales (qualité de chaque règle), mais elles prennent peu en compte certaines spécificités importantes. Par exemple, les interactions entre règles peuvent fortement influencer le comportement final.
La thèse propose de développer une approche globale et systématique pour valider ces bases de règles, que des données soient disponibles ou non. Elle vise notamment à concevoir de nouvelles métriques capables de capturer ces interactions, en s’inspirant, par exemple, d’approches basées sur des graphes (comme les FinGrams ou les systèmes de réputation).
Le travail comprendra la définition d’un cadre méthodologique, la proposition de nouvelles mesures de validation, ainsi que leur implémentation et leur évaluation expérimentale.
Les résultats attendus sont des outils plus précis pour détecter les règles problématiques, et une amélioration globale de la performance et de la fiabilité des systèmes d’inférence floue.
Sécurité des modèles d'IA générative: détection des attaques par porte dérobée de nouvelle génération
Cette thèse vise à étudier et détecter les attaques par porte dérobée au sein des écosystèmes de modèles d’IA générative (modèles autonomes, systèmes de génération augmentée par récupération (RAG) et agents autonomes basés sur des LLM).
Contexte : De nombreux utilisateurs (particuliers, institutions, ONG et même entreprises) ne sont actuellement pas en mesure de développer leurs propres systèmes d'IA générative. Ils s’orientent donc vers le téléchargement d’agents ou de modèles d’IA générative open source, généralement conçus pour être très accessibles et faciles à utiliser, ne nécessitant que peu d’expertise technique. Cette pratique est largement répandue en raison du grand nombre de modèles open source et d’implémentations d’agents LLM disponibles en ligne (par exemple, Hugging Face héberge plus de deux millions de modèles publics). Malheureusement, l’intégrité comportementale du modèle téléchargé n’est jamais vérifiée, et celui-ci peut avoir été préalablement compromis par une porte dérobée. Il existe donc un besoin urgent de mettre en place des mécanismes de défense capables d’analyser les composants d’un système d’IA générative (modèles et bases de connaissances) et d’identifier ceux qui ont été empoisonnés.
Objectifs : La recherche se concentrera sur le développement de mécanismes innovants de détection et de défense contre les attaques furtives basées sur des triggers, en mettant l’accent sur les scénarios de déploiement réels et sur des benchmarks d’évaluation robustes. En plus de développer des mécanismes de défense et de mettre le code à disposition en open source, la thèse vise également à fournir à la communauté scientifique un framework d’évaluation complet.
Characterisation de jonctions de transistors SOI réalisés à bas budget thermique
Rejoignez CEA-Leti et CROMA pour analyser en profondeur les jonctions d'une nouvelle technologie. En effet, nos transistors sont fabriqués sous un budget thermique restreint pour une intégration séquentielle 3D, ce qui rend l'activation des dopants très difficile ! Notre équipe vous soutiendra techniquement et scientifiquement pour mener à bien ce travail. Certaines données sont déjà disponibles et n'attendent que votre analyse.
Au cours de cette thèse, vous aurez l'opportunité de réaliser toutes ces taches:
De l'idée (simulation, bibliographie, TCAD) 20%
Compréhension des processus (implantation, SPER) 10%
Gestion de l'intégration et de la fabrication en salle blanche 10%
Caractérisation (physique et électrique : bruit, DLTS…) 50%
Valorisation (présentations, articles) 10%
Cette thèse offre une chance unique d'être à la pointe de l'innovation technologique et de faire un impact significatif dans le domaine de la SOI avancée. Rejoignez nous et faites le premier pas vers une carrière passionnante dans la recherche et le développement !
Avec un parcours en microélectronique ou en nanotechnologies, vous êtes curieux de l'intégration de nouveaux processus, vous n'avez pas peur des équations et vous avez aimé les cours sur les semi-conducteurs à l'école. Vous voulez résoudre des énigmes complexes et aimez collaborer avec les autres pour trouver des solutions innovantes.
Croissance d’hétérostructure pérovskite halogène inorganique 2D/3D par dépôt par ablation laser pulsée (PLD) pour l’optoélectronique et le photovoltaique
Les pérovskites halogènes (PK) ont démontré un très fort potentiel pour le photovoltaïque (PV) en atteignant des rendements records (35% en tandem sur silicium). Cependant, leur stabilité limitée (dégradation sous humidité, chaleur ou lumière) et les défis de mise à l’échelle (perte de rendement à grande surface) freinent leur industrialisation. Parallèlement, dans le domaine des microLED, les PK émergent comme une alternative prometteuse aux boîtes quantiques (QDs) pour les couches de conversion de couleur, grâce à leur pureté spectrale élevée et leur absorption supérieure. Pourtant, leur efficacité et stabilité restent à optimiser pour rivaliser avec les solutions existantes.
Ce projet propose une approche innovante : la fabrication de pérovskites inorganiques 2D et d’hétérostructures 2D/3D par dépôt par ablation laser pulsée (PLD), un procédé innovant pour les pérovskites et ayant un fort potentiel de mise à l’échelle. Les pérovskites 2D, grâce à leur confinement quantique, présentent une énergie de liaison des excitons élevée, idéale pour les LED et lasers, tandis que les hétérostructures 2D/3D améliorent la stabilité et réduisent les recombinaisons non radiatives.
Les objectifs de la thèse sont :
1. Synthèse de pérovskites 2D inorganiques (avec/sans plomb) par PLD et caractérisation avancée du matériau: cristallinité, luminescence, absorption, bandgap, stabilité…
2. Fabrication d’hétérostructures 2D/3D dans l’objectif d’atteindre un effet de passivation des défauts 3D, caractérisation avancée: rendement de photoluminescence, durée de vie des porteurs, passivation des interfaces…
3. Application pour le PV et les microLED : évaluation du potentiel pour des cellules tandem et des couches de conversion de couleur
Les résultats viseront à démontrer que le PLD permet de dépasser les limites actuelles (stabilité, production à grande échelle) tout en maintenant des performances optoélectroniques compétitives. Ce travail s’inscrit dans une dynamique mondiale où les PK pourraient contribuer à des avancées très significatives dans le domaine du PV et des micro-écrans.
Etude d’un imageur basse consommation pour réseau de capteurs à traitement distribué
Dans le cadre d’un projet académique collaboratif, l’objectif de cette thèse est de développer un capteur d’image « intelligent » dédié à un réseau de caméras sans fil intégrant du calcul distribuée à base d’intelligence artificielle.
Un réseau de caméras actuel contient plusieurs caméras standards qui transmettent leurs images à un serveur global effectuant le traitement d’inférence ciblé. Ce type d’architecture propose une performance énergétique et une frugalité qui ne sont pas compatibles avec les exigences des applications de type IoT.
L’objectif du projet est de viser une architecture du nœud du réseau présentant une frugalité matérielle inédite grâce à une approche distribuée et collaborative basée sur des nœuds de calcul à ultra-basse consommation. Le noyau d’inférence de chaque nœud sera construit autour de processeurs ASIC effectuant des calculs sous forme analogique et numérique. Le démonstrateur final consistera en un réseau sans fil de caméras (nœuds du réseau de capteurs) intégrant des capteurs d’images dédiés associés à des processeurs hybrides effectuant un traitement mixte.
Dans ce contexte, le capteur d’image du nœud doit extraire des caractéristiques de l’image avec frugalité et efficacité, ce qui implique que vous devrez définir, concevoir et tester une architecture de lecture innovante d’un imageur standard. En collaboration avec les partenaires académiques, vous serez impliqué dans la définition de l’architecture globale du nœud permettant de définir essentiellement le format des données de sortie et la procédure de lecture de l’imageur, y compris le prétraitement potentiel pour les calculs d’inférence distribués. L’architecture étudiée intégrera des solutions basse consommation innovantes pour adresser les applications IoT ciblées et réaliser à la fois des acquisitions d’images et un pré-traitement IA.
Comme un démonstrateur de capteur d’image est prévu dans cette thèse, le travail sera mené au CEA-Leti dans le laboratoire L3i, en utilisant des outils professionnels de conception de circuits intégrés et des environnements de développement logiciel.
Optimisation d'architecture neuronale post-entraînement pour petit modèles de langage
L’IA générative, et en particulier les modèles de langage (LLM), ont conduit à une nouvelle révolution de l'IA avec des applications dans tous les domaines. Cependant, les LLM sont très gourmands en ressources (énergie, calculs, etc.) et, par conséquent, difficiles à mettre en œuvre sur des systèmes embarqués autonomes. Les LLM peuvent être optimisés en modifiant leur architecture, pour remplacer les opérations de Transformer coûteuses par des alternatives moins coûteuses. Etant donné la difficulté d’entraîner des LLM « from scratch », cette thèse vise à développer des méthodes d’optimisation d’architecture neuronale post-entraînement, applicable à des petits LLM (SLM). De plus, la thèse vise à proposer un modèle de performance des différentes opérations d’un SLM et leurs alternatives, afin de guider le remplacement des opérations, et ainsi proposer une méthodologie complète d’optimisation de SLM en prenant en compte les contraintes matérielles. Le travail sera valorisé par des publications dans des conférences et journaux de rang majeur en IA, et les codes et méthodes développés pourront être intégrés dans les outils développés au CEA.
Développement d’une anode innovante à base de matériaux non critiques et durables pour l’électrolyse à membrane échangeuse d’anions
L’électrolyse de l’eau à membrane échangeuse d’anions (AEMWE) est une technologie récente et prometteuse pour produire de l’hydrogène vert, mais elle rencontre encore des défis majeurs en termes de performance et de durabilité. Actuellement, les anodes des électrolyseurs AEMWE sont constituées de deux couches : une couche poreuse (PTL), qui permet la circulation de l’électrolyte et des gaz, et une couche active, composée de catalyseurs et de liants, où se déroulent les réactions électrochimiques. Cette configuration limite la diffusion des réactifs et réduit la surface active disponible pour les réactions, ce qui impacte négativement les performances globales.
Ce projet de thèse propose de développer une anode innovante, basée sur des matériaux non critiques, en combinant les avantages des deux couches tout en minimisant leurs inconvénients. L’approche proposée consiste à fonctionnaliser la PTL, par l’ajout de nanoparticules catalytiques et/ou par une activation de surface, afin de lui conférer une activité électrochimique. Ces modifications permettront d’améliorer le transport des électrons et des réactifs, tout en augmentant la surface active pour la réaction d’évolution de l’oxygène (OER).
Le travail de cette thèse consistera à fonctionnaliser une PTL préalablement sélectionnée, puis à caractériser les anodes obtenues par des analyses structurales et électrochimiques approfondies. Les résultats attendus dans cette thèse est la réalisation d’une anode optimisée, offrant des performances accrues et une dégradation limitée, ainsi qu’une meilleure compréhension des phénomènes limitants dans les anodes AEMWE. Ce projet s’inscrit dans une démarche de développement de technologies durables, essentielles pour la transition énergétique.
Micro-électrolyse en continu pour une synthèse plus vertueuse de nanoparticules d'or
Les nanoparticules (NPs) d'or possèdent des propriétés électroniques, photoniques et chimiques uniques, qui les rendent incontournables pour un grand nombre d'applications technologiques ou médicales. Elles sont typiquement produites par précipitation contrôlée du métal à partir d'une solution aqueuse d'un sel d'or. Cela permet de régler précisément leur taille, et donc leurs propriétés, ce qui est crucial pour la plupart des applications. Les microréacteurs en continu, dans lesquels le mélange de la solution de sel avec celle contenant l'agent réducteur est optimal, permettent un contrôle accru de la réaction, et donc de la taille des NPs. Malgré tout, même dans cas, la synthèse de NPs de très petite taille nécessite d'utiliser des agents réducteurs très puissants qui sont souvent nocifs pour l'Homme et pour l'Environnement. Nous proposons de limiter leur impact et de développer un procédé de fabrication plus parcimonieux en insérant dans le micro-réacteur une cellule d'électrolyse afin de synthétiser in-situ la juste quantité d'agent réducteur nécessaire à la réaction.
Votre mission consistera à tester et adapter une (ou des) cellule(s) d'électrolyse en continu pour la synthèse de NPs d'or. Pour cela, vous devrez identifier différents systèmes réactionnels et types de cellules adaptés. Vous pourrez également tester différents agents de surface qui permettent de stabiliser ces NPs tout en leur conférant des propriétés chimiques intéressantes sur le plan biologique. Tout au long de ce travail, vous veillerez à maintenir les bonnes caractéristiques des NPs (taille, propriétés chimiques de surface, propriétés optiques, etc.) en fonction de l'application visée.
Approche multi-échelle pour la propagation des ultrasons en milieux multi-diffusifs inhomogènes
Les ondes ultrasonores sont fortement influencées par la microstructure des matériaux, ce qui entraîne atténuation, dispersion, et bruit. La modélisation de ces effets est essentielle, notamment pour le contrôle non destructif, où ils peuvent soit gêner la détection de défauts, soit fournir des informations sur le matériau. Des modèles analytiques et numériques permettent de mieux prédire et interpréter ces phénomènes. Des propriétés statistiques homogènes sont généralement supposées. En pratique, les microstructures présentent souvent des variations spatiales importantes, liées par exemple aux procédés de fabrication. Selon l’échelle de ces variations par rapport à la longueur d’onde, elles peuvent induire des changements abrupts ou progressifs de propriétés effectives. Cette thèse vise à établir un cadre théorique intégrant à la fois l’aléa microstructural et ses variations spatiales, afin de proposer des stratégies de simulation pertinentes selon les échelles considérées. L’approche sera d’abord développée en 1D, puis étendue aux cas 2D et 3D en s’appuyant sur des outils développés au laboratoire, avec des validations numériques et éventuellement expérimentales.