Support logiciel pour calcul clairsemé
Les performances des calculateurs sont devenues limitées par les déplacements des données dans les domaines de l'IA, du HPC comme dans l'embarqué. Il existe pourtant des accélérateurs matériels qui permettent de traiter des mouvements de données de façon efficace énergétiquement, mais il n'existe pas de langage de programmation qui permette de les mettre en œuvre dans le code supportant les calculs.
C'est au programmeur de configurer explicitement les DMA et utiliser des appels de fonctions pour les transferts de données et analyser les programmes pour en identifier les goulots d'étranglement mémoire.
Par ailleurs les compilateurs ont été conçus dans les années 80, époque à laquelle les mémoires travaillaient à la même fréquence que les cœurs de calcul.
L'objet de cette thèse sera d'intégrer dans un compilateur la possibilité de réaliser des optimisations basées sur les transferts de données.
Calcul quantique avec des spins nucléaires
Les spins nucléaires dans les solides font partie des systèmes quantiques ayant les temps de cohérence les plus longs, jusqu'à des minutes, voire des heures, et sont donc des candidats attrayants pour les qubits ; cependant, le contrôle et la lecture des spins nucléaires individuels sont très difficiles. Dans notre laboratoire, nous avons mis au point une nouvelle méthode pour y parvenir. Les qubits de spin nucléaire sont interfacés par un ancilla de spin électronique, auquel ils sont couplés par l'interaction hyperfine. Le spin électronique est ensuite mesuré par comptage de photons à micro-ondes à des températures de l'ordre du millikelvin [1,2]. La lecture d'un seul cliché de spin nucléaire est effectuée par le biais du spin électronique [3], et le contrôle cohérent est obtenu par l'utilisation de transitions Raman micro-ondes [4]. Les spins électroniques sont des ions Er3+ dans un cristal CaWO4, et les spins nucléaires sont des atomes 183W dans la matrice, qui ont un spin 1/2.
[1] E. Albertinale et al., Nature 600, 434 (2021)
[2] Z. Wang et al., Nature 619, 276 (2023)
[3] J. Travesedo et al., arxiv (2024)
[4] J. O'Sullivan et al., arxiv (2024)
Modélisation du transfert de spin dans les qubits silicium et germanium
Les qubits de spin en silicium et en germanium ont fait des progrès remarquables ces dernières années. Dans ces dispositifs, l'information élémentaire est stockée sous forme d'une superposition cohérente des états de spin d'un électron ou d'un trou confiné dans une boîte quantique intégrée dans une hétérostructure Si/SiO2 ou SiGe. Ces spins peuvent être manipulés électriquement et sont intriqués par des interactions d'échange, permettant de réaliser les opérations à un ou deux qubits nécessaires au calcul et à la simulation quantique. Grenoble promeut des plateformes de qubits originales basées sur Si et Ge, et détient divers records de durée de vie de spin et d'interactions spin-photon. Au CEA/IRIG, nous accompagnons le développement de ces technologies quantiques avec de la modélisation avancée, en particulier grâce au code TB_Sim capable de décrire des qubits très réalistes jusqu'à l'échelle atomique si nécessaire.
Un porteur de charge et son spin peuvent en être déplacés de manière cohérente entre différentes boîtes quantiques, ce qui permet le transfert d'information quantique et le couplage entre spins distants. La dynamique du transport de spin est cependant complexe en raison des interactions spin-orbite qui couplent le mouvement du porteur à son spin. Le contrôle de ce transport nécessite donc une compréhension complète de ces interactions et de leurs effets sur l'évolution et la cohérence du spin. L'objectif de cette thèse est de modéliser le transport entre qubits de spin Si/Ge en utilisant une combinaison de techniques analytiques et numériques (TB_Sim). Le projet étudiera notamment la manipulation, le transport et l'intrication du spin dans des réseaux de qubits, ainsi que la réponse au bruit et au désordre (décohérence). Le doctorant aura l'opportunité d'interagir avec une communauté dynamique d'expérimentateurs travaillant sur les qubits de spin au CEA et au CNRS.
Approches logicielles et matérielles pour l'accéleration du traitement des matrices éparses de grande taille
La physique computationnelle, l'intelligence artificielle ou l'analyse de graphes sont autant de domaines reposant sur le traitement de matrices creuses de grande taille. Ce sujet s'inscrit au cœur des enjeux liés au traitement efficace de telles matrices, en explorant une approche systémique, à la fois matérielle et logicielle.
Bien que le traitement des matrices creuses a été étudié d'un point de vue purement logiciel pendant des décennies, ces dernières années, de nombreux accélérateurs matériels dédiés et très spécifiques, ont été proposés pour les données éparses. Ce qui manque, c'est une vision globale de comment exploiter ces accélérateurs, ainsi que le matériel standard tel que les GPUs, pour résoudre efficacement un problème complet. Avant de résoudre un problème matriciel, il est courant d'effectuer un prétraitement de la matrice. Il peut s'agir de techniques visant à améliorer la stabilité numérique, à ajuster la forme de la matrice et à la diviser en sous-matrices plus petites (tuilage) qui peuvent être distribuées aux cœurs de traitement. Dans le passé, ce prétraitement supposait des cœurs de calcul homogènes. De nouvelles approches sont nécessaires pour tirer parti des cœurs hétérogènes, qui peuvent inclure des accélérateurs dédiés et des GPUs. Par exemple, il peut être judicieux de répartir les régions les moins denses sur des accélérateurs spécialisés et d'utiliser des GPUs pour les régions plus denses, bien que cela reste à démontrer. L'objectif de cette thèse est de proposer une vue d'ensemble du traitement des matrices éparses et d'analyser les techniques logicielles nécessaires pour exploiter les accélérateurs. Le candidat s'appuiera sur une plateforme multicœur existante basée sur des cœurs RISC-V et un GPU open-source pour développer un cadre complet et étudiera quelles stratégies sont capables d'exploiter au mieux le matériel disponible.
Etude de la stabilité de structures Si-CMOS pour la réalisation de qubits de spin
Les qubits de spin dans les structures CMOS à base de silicium se démarquent par leur compatibilité avec les technologies de semi-conducteurs et leur potentiel de mise à l'échelle. Toutefois, les impuretés et les défauts introduits lors de la fabrication, entraînent du bruit et de l'instabilité, ce qui affecte leurs performances.
L'objectif est de caractériser des dispositifs fabriqués au CEA-Leti, de la température ambiante à cryogénique, pour évaluer leur qualité et comprendre les mécanismes physiques responsables de leur instabilité. Le but est d'améliorer la conception des dispositifs et idéalement de mettre en place une méthode d'identification des dispositifs les plus prometteurs sans nécessiter des mesures à très basses températures.
Le candidat devra avoir des compétences dans les domaines suivants :
- Physique expérimentale et des semi-conducteurs.
- Programmation d'algorithmes et analyse de données.
- Connaissance en nano-fabrication, physique des basses températures et physique quantique (souhaitable).
Développement de sources de photons multiplexées pour les technologies quantiques
Les technologies de l’information quantique offrent de nombreuses promesses notamment dans le domaine du calcul et des communications sécurisées. Parmi la diversité de technologies possibles, les qubits photoniques, du fait de leur excellente robustesse à la décohérence sont particulièrement intéressants pour les communications quantiques, y compris à température ambiante. Ils offrent également une alternative à d’autres technologies de qubits dans le cadre du calcul quantique. Afin de déployer à grande échelle ces applications, il est nécessaire de disposer de dispositifs compacts, bon marché, en grand nombre. La photonique sur silicium est une plate-forme attractive pour parvenir à cet objectif, en implémentant différents composants clé de génération, manipulation et détection de qubits photoniques.
La génération de photons à l’état solide peut se faire par différents processus physiques. Parmi ceux-là, la génération non-linéaire de paires de photons présente différents attraits tels que le fonctionnement à température ambiante, la possibilité d’utiliser la paire de photons comme source de photons uniques annoncés, sources de paires de photons intriqués…
Votre rôle consistera à travailler au développement, au suivi de fabrication et à la caractérisation en laboratoire de sources de photons paramétriques multiplexée dans des matériaux à base de silicium afin de surpasser les limites inhérentes au processus physique de génération de paires de photons. Dans l’objectif d’une intégration complète sur une unique puce, il est notamment essentiel de pouvoir filtrer efficacement la lumière indésirable, afin de ne garder que les photons d’intérêt. C’est pourquoi un accent particulier sera également mis sur ces filtres.
CORTEX: Orchestration de Conteneurs pour les applications Temps-Réel, Embarqués/edge, à criticité miXte
Cette proposition de thèse de doctorat vise à développer un schéma d'orchestration de conteneurs pour les applications en temps réel, déployées sur un continuum de ressources de calcul hétérogènes dans l'espace embarqué-edge-cloud, avec un focus particulier sur les applications nécessitant des garanties en temps réel.
Les applications, allant des véhicules autonomes, à la surveillance de l'environnement ou à l'automatisation industrielle, exigent traditionnellement une grande prédictibilité avec des garanties en temps réel, mais elles demandent de plus en plus de flexibilité à l'exécution ainsi qu'une minimisation de leur empreinte environnementale globale.
Pour ces applications, une stratégie adaptative innovante est nécessaire pour optimiser dynamiquement (à l'exécution) le déploiement des charges logicielles sur les nœuds matériels, avec un objectif mixte-critique combinant des garanties en temps réel et la minimisation de l'empreinte environnementale.
Conception théorique de systèmes quasi-atomiques dans la bande interdite de semi-conducteurs/isolants pour des applications quantiques
La multiplication d’applications à température ambiante comme l’émission de photons uniques du centre NV (lacune-azote) chargé négativement dans le diamant a renouvelé l’intérêt pour la recherche de matériaux ayant un système quasi-atomique (QAS, quasi-atomique système) analogue à celui du centre NV, principalement caractérisé par la présence de niveaux de défauts bien localisés dans la bande interdite et occupés par des électrons conduisant à des état de spin élevés. Dans ce travail de doctorat, des méthodes théoriques seront utilisées pour concevoir de nouveaux QASs analogues au centre de NV ainsi que, dans des QAS sélectionnés, pour prédire les états de charge et explorer l’effet de la proximité de la surface sur la stabilité thermodynamique et sur la structure de l’état de spins. Les objectifs sont de concevoir de nouveaux QAS; prédire les états de charge des QAS sélectionnés dans le matériau en volume; étudier les changements dans l’état de charge apportés par la proximité de la surface; étendre le modèle de Hubbard utilisé pour calculer les états excités et tenir compte de l’interaction électron-réseau dans le calcul des états excités; Étudier l’effet de la présence d’états de niveaux profonds dans la bande interdite sur le transport des électrons et des phonons. La méthodologie développée au LSI pour concevoir de nouveaux QASs avec des états de spin élevés sera exploitée et de nouveaux systèmes analogues au centre NV seront recherchées. La théorie de la densité fonctionnelle (DFT) et un modèle de Hubbard développé au LSI seront les principaux outils de ce doctorat.
In-Sensor Computing pour les Capteurs MEMS : vers un réseau de neurones électromécaniques
L'essor des modèles d'apprentissage automatique pour le traitement des données issues de capteurs a conduit au développement de l'Edge-AI, qui vise à effectuer ces traitements localement, directement au niveau des capteurs. Cette approche réduit la quantité de données transmises et allège les centres de calcul centralisés, offrant ainsi une solution pour diminuer la consommation énergétique globale des systèmes. Dans ce contexte, le concept d'in-sensor computing émerge, intégrant acquisition et traitement des données au sein du capteur lui-même. En exploitant les propriétés physiques des capteurs et des paradigmes de calcul alternatifs tels que le reservoir computing et le calcul neuromorphique, l'in-sensor computing élimine les étapes énergivores de conversion et de traitement des signaux dans le domaine électrique.
L'application de ce concept aux capteurs MEMS permet le traitement de signaux tels que l'accélération, la contrainte ou les signaux acoustiques, avec une réduction significative, voire une élimination, des composants électroniques traditionnels. Cela a ravivé l'intérêt pour les dispositifs de calcul mécanique et leur intégration dans des capteurs MEMS. Quelques recherches récentes explorent des dispositifs MEMS innovants intégrant des réseaux de neurones récurrents ou du reservoir computing, montrant un potentiel prometteur pour l'efficacité énergétique. Cependant, ces avancées restent encore limitées à des démonstrations de concept pour des tâches de classification élémentaire avec un très faible nombre de neurones.
Sur la base de notre expertise acquise en calcul à base de MEMS, ce travail de doctorat propose de pousser ces concepts plus loin en développant un dispositif MEMS intégrant un réseau de neurones, à plusieurs couches, reprogrammable avec des capacités d'apprentissage, un résultat qui aurait bien au-delà de l'état de l'art. A terme, l'objectif est de concevoir un capteur intelligent, combinant détection et prétraitement sur une même puce, et optimisé pour fonctionner avec une consommation énergétique extrêmement faible, de l'ordre du femtoJoule par activation. Cette thèse se concentrera sur l'exploration, la conception et la caractérisation de ce nouveau neurone MEMS, en ciblant des applications de traitement de signaux basse fréquence dans des environnements à haute température, ouvrant la voie à une déclinaison de l'edge-IA dans le domaine des MEMS.