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.
Contribution à l'étude des convertisseurs partiels pour l'hybridation des sources d'énergie
L’un des axes de la réduction de l’empreinte carbone est le domaine du transport notamment le développement de la mobilité électrique actuellement en pleine croissance. Dans ce contexte, le marché du transport électrique hybride est grandissant. Les applications de l’hybridation ont vu leur puissance croitre et avec celle-ci celle des convertisseurs d’électronique de puissance permettant d’adapter les niveaux de tension des sources d’énergie et les échanges d’énergie entre elles. Cette augmentation de puissance s’accompagne de pertes plus élevées à évacuer, entrainant un impact significatif d’abord sur la taille des convertisseurs, donc du système global, puis sur l’efficacité énergétique de toute la chaine. Des efforts ont déjà été réalisés au CEA-LITEN sur le développement de convertisseurs DC-DC à haut rendement (notamment en utilisant les techniques d’entrelacement). La thèse aura pour objectif d’aller plus loin en étudiant les convertisseurs dits partiels ou PPC (Partial Power Converter). Les différentes architectures/topologies seront étudiées pour des applications hybride associant une pile à combustible et une batterie d’une part, et des applications associant 2 batteries (l’une typée puissance et l’autre typée énergie) d’autre part. Les travaux ont pour objectifs de déterminer la ou les meilleures architectures/topologies pour chacune des applications types permettant une réduction significative des tailles des convertisseurs et l’amélioration du rendement de toute la chaine.
Coordination de la flexibilité des convertisseurs d’électronique de puissance raccordés réseau de distribution en vue de participation à la stabilité du système électrique global.
Avec l’augmentation des productions et consommations connectées via des convertisseurs d’électronique de puissance, le réseau électrique évolue vers une structure plus dynamique et décentralisée. Cette transformation accroît le besoin et l’intérêt de leur participation active à la flexibilité et à la stabilité du système, notamment pour compenser les variations de production des énergies renouvelables et assurer un bon équilibre entre l’offre et la demande. La coordination optimisée du contrôle de ces dispositifs présente un fort potentiel pour améliorer la résilience du réseau, en exploitant intelligemment leurs capacités de régulation de tension, de fréquence et de puissance réactive. Toutefois, pour intégrer efficacement ces contributions à grande échelle, il est crucial de développer des approches de modélisation holistique permettant de capturer les interactions multi-échelles, tant spatiales que temporelles. Les travaux de modélisation dans cette thèse visent à représenter le lien entre la flexibilité de réponse en puissance active/réactive des convertisseurs d’électronique de puissance et la marge de stabilité apporté au réseau et aussi l’agrégation de leurs actions en vue d’une contribution au système intégré. Suite à cette étape, des architectures et des algorithmes de contrôle coordonnées entre le réseau de distribution et le réseau de transport seront étudiés, développés et validés.
Prédiction des effets de dispersion d’ondes élastiques par un modèle semi-analytique sous approximation hautes fréquences
Les méthodes d’inspection ultrasonores (UT) sont une composante essentielle des contrôles non-destructifs (CND). Elles sont couramment employées pour l’inspection de composants mécaniques tels que les soudures (nucléaire, pétrochimie) ou les structures en matériau composite (aéronautique). Afin de comprendre les phénomènes physiques en jeu pour une configuration donnée, la simulation est un atout et parfois une étape incontournable pour la mise en place du procédé d’inspection. Les approches de modélisation se répartissent en deux grandes familles : les modèles purement numériques, basés sur les éléments finis (EF), et les méthodes semi-analytiques, dérivées d’approximations haute fréquence (HF) comme les rayons paraxiaux. Ces dernières, bien que privilégiées pour leur efficacité calculatoire, introduisent des simplifications pouvant altérer la précision quantitative des résultats, en particulier pour des phénomènes comme la dispersion (variation de la vitesse des ondes selon la fréquence), fréquents dans certains contextes industriels.
Ce projet de thèse vise à enrichir l’approche par rayons paraxiaux en y intégrant des modèles d’interfaces dispersives (interplis composites, couches de couplant), des milieux viscoélastiques dispersifs, ainsi qu’un modèle d’ondes guidées modales. L’ambition est de concevoir un outil de simulation capable de reproduire fidèlement des configurations de contrôle réalistes, améliorant ainsi la représentativité des résultats.
Concilier la prédictabilité et la performance dans les architectures de processeurs pour les systèmes critiques
Les systèmes critiques possèdent à la fois des exigences fonctionnelles et temporelles, ces dernières garantissant que toutes les échéances sont respectées pendant l’exécution ; tout dépassement pourrait entraîner des conséquences catastrophiques. La nature critique de ces systèmes impose la mise en œuvre de solutions matérielles et logicielles spécialisées.
Cette thèse de doctorat porte sur le développement d’architectures matérielles pour systèmes critiques, appelées architectures prédictibles, capables de fournir les garanties temporelles nécessaires. Plusieurs architectures de ce type existent déjà, généralement fondées sur des pipelines in-order et intégrant soit des restrictions comportementales (par exemple, la désactivation de mécanismes de spéculation complexes), soit des spécialisations structurelles (par exemple, des caches re-designés ou une arbitrage déterministe pour l’accès aux ressources partagées). Ces restrictions et spécialisations ont inévitablement un impact sur les performances ; la conception d’architectures prédictibles doit donc traiter directement le compromis entre prédictibilité et performance. Cette thèse vise à explorer ce compromis d’une manière nouvelle, en adaptant une variante hautes performances d’un processeur in-order (CVA6) et en développant des techniques top-down pour le rendre prédictible. Les performances de tels processeurs reposent habituellement sur des mécanismes tels que la prédiction de branchement, le préchargement (prefetching) et la prédiction de valeurs, mis en œuvre à l’aide d’éléments de stockage spécialisés (par exemple, des tampons) et appuyés par des mécanismes de contrôle tels que la restauration d’état (rollback) en cas de mauvaise spéculation. Dans ce contexte, l’objectif de la thèse est de définir un schéma général de prédictibilité pour l’exécution spéculative, couvrant à la fois l’organisation du stockage et le comportement de restauration.
Détection hors distribution avec des modèles de fondation de vision et des méthodes post-hoc
Le sujet de thèse se concentre sur l'amélioration de la fiabilité des modèles de deep learning, en particulier dans la détection des échantillons hors distribution (OoD), qui sont des points de données différents des données d'entraînement et peuvent entraîner des prédictions incorrectes. Cela est particulièrement important dans des domaines critiques comme la santé et les véhicules autonomes, où les erreurs peuvent avoir des conséquences graves. La recherche exploite les modèles de base de la vision (VFMs) comme CLIP et DINO, qui ont révolutionné la vision par ordinateur en permettant l'apprentissage à partir de données limitées. Le travail proposé vise à développer des méthodes qui maintiennent la robustesse de ces modèles pendant le fine-tuning, garantissant qu'ils peuvent toujours détecter efficacement les échantillons OoD. En outre, la thèse explorera des solutions pour gérer les changements de distribution des données au fil du temps, un défi courant dans les applications du monde réel. Les résultats attendus incluent de nouvelles techniques pour la détection OoD et des méthodes adaptatives pour les environnements dynamiques, améliorant ainsi la sécurité et la fiabilité des systèmes d'IA dans des scénarios pratiques.
Evaluation de l'impact du procédé d'extrusion en voie sèche sur la microstructure et les performances de cathodes pour batteries tout-solide à électrolytes polymères
Les batteries à électrolyte solide (solid-state batteries, SSB) ont pour objectif de dépasser la technologie lithium-ion actuelle en termes de densité d’énergie et de sécurité, avec des applications dans les véhicules électriques ou le stockage d’énergie stationnaire. La fabrication de ces nouvelles technologies de batteries peut soit s’appuyer sur les infrastructures existantes (mélange et enduction d’encres d’électrodes à base de solvant), soit nécessiter de nouveaux procédés de fabrication. Dans ce contexte, le procédé d’extrusion bi-vis présente plusieurs avantages lorsqu’il est appliqué aux SSB, en particulier avec des électrolytes à base de polymères.
Afin d’accélérer le déploiement des SSB à base de polymères, une meilleure compréhension du procédé d’extrusion appliqué à la fabrication des électrodes positives est nécessaire. L’objectif de cette thèse est de développer de nouvelles formulations d’électrodes par extrusion en voie fondue et de comprendre l’impact des paramètres du procédé sur les performances finales. Elle permettra de fournir au final une vision claire des avantages et limitations de l’extrusion par rapport au procédé classique d’enduction.
Ce projet de doctorat s’inscrit dans une collaboration entre le CEA et Stellantis pour le développement de nouvelles batteries tout-solide. L’étude portera sur le développement d’électrodes composites élaborées par extrusion, destinées à être utilisées dans des SSB à base de polymères. Dans un premier temps, les matériaux seront sélectionnés et caractérisés afin d’effectuer une première sélection de formulations à l’aide d’une extrudeuse à l’échelle laboratoire. Ensuite, une évaluation systématique de l’impact des matériaux d’entrée et des conditions opératoires du procédé d’extrusion sera réalisée afin de mettre en évidence les relations entre le procédé, les microstructures des électrodes et leurs performances. Enfin, les formulations d’électrodes les plus performantes seront intégrées dans un prototype entièrement fabriqué par extrusion et caractérisées par des tests électriques et des analyses post-mortem.
Le doctorant bénéficiera de l’environnement multidisciplinaire du CEA-LITEN (campus de Grenoble) ainsi que du savoir-faire industriel de Stellantis. La Plateforme de Prototypage de Batteries sera utilisée pour les essais d’extrusion et l’assemblage des cellules, tandis que l’accès à des équipements de caractérisation avancée (MEB-EDX, XPS, rhéomètres, méthodes électrochimiques, etc.) permettra d’acquérir une compréhension approfondie des mécanismes mis en jeu dans le procédé d’extrusion.
Étude de l’intensification du transfert de chaleur par ébullition convective dans les micro canaux appliquée au refroidissement des unités de calcul dans les data centers
La thèse proposée vise à mieux comprendre et modéliser, pour de nouveaux fluides réfrigérants à faible impact environnemental, les phénomènes d’ébullition convective en micro canaux.
Le doctorant adoptera une approche combinant expérimentation et modélisation multi-échelle, incluant la conception d’un banc d’essai simulant le comportement d’un micro évaporateur, la réalisation de simulations CFD (ANSYS Fluent, CATHARE) pour décrire les régimes diphasiques, et l’évaluation de différents fluides alternatifs écologiques à faible impact environnemental. Les résultats attendus portent, pour chacun de ces nouveaux fluides, sur la caractérisation des mécanismes d’ébullition confinée, le développement d’un modèle prédictif du transfert de chaleur, et la proposition de solutions de refroidissement innovantes.
En effet, les besoins croissants en calcul intensif, portés par l’intelligence artificielle et le cloud, entraînent une augmentation significative de la puissance dissipée dans les processeurs des puces électroniques. Les technologies de refroidissement monophasique actuelles atteignent leurs limites face à des flux thermiques dépassant 100 W/cm². Le refroidissement diphasique, basé sur l’ébullition d’un fluide pour évacuer la chaleur, est capable d’assurer des transferts de chaleur beaucoup plus efficaces que le refroidissement monophasique, tout en réduisant la consommation énergétique globale. Les résultats de la thèse contribueront à atteindre des solutions plus performantes et durables pour les futurs data centers. Ce travail contribuera à réduire l’empreinte énergétique du numérique et à renforcer la souveraineté technologique européenne dans le domaine des technologies de refroidissement avancées.
Support logiciel pour l'utilisation d'accélérateur de calcul et de transfert mémoire
Pour des raisons d'énergie les futurs ordinateurs devront utiliser des accélérateurs pour le calcul comme pour les accès à la mémoire (GPU, TPU, NPU, DMA intelligents). Les application d'IA ont des besoins en calcul intensif à la fois en intensité de calcul et en débits mémoire.
Ces accélérateurs ne se basent pas sur un jeu d'instruction simple (ISA), ils s'affranchissent du modèle de Von Neuman et ils nécessitent d'écrire manuellement du code spécialisé.
Par ailleurs, il est difficile de comparer l'utilisation de ces accélérateurs avec un code utilisant un processeur non spécialisé, les codes sources initiaux étant très différents.
HybroLang est un langage de programmation proche matériel permettant d'exprimer des programmes utilisant toutes les capacités de calcul d'un processeur tout en permettant une spécialisation du code en fonction des données connues à l'exécution.
Le compilateur HybroGen a déjà démontré sa capacité de programmation d'accélérateurs de calcul en mémoire, comme en optimisation de code sur CPU classique en réalisant des optimisations innovantes.
Cette thèse se propose d'étendre le langage HybroLang afin de :
- faciliter la programmation d'application d'IA apportant le support pour des données complexes : stencils, convolution, calcul clairsemé
- permettre la génération de code à la fois sur CPU et avec des accélérateurs matériels en cours de développement au CEA (calcul clairsemé, calcul en mémoire, accès à la mémoire)
- permettre la comparaison d'architectures différentes en partant d'un seul code source d'application
Idéalement un candidat devra avoir des connaissances dans les domaines suivants : architecture des ordinateurs, implémentation de langage de programmation, compilation et optimisation de code.