Pause
Lecture
Moteur de recherche d'offres d'emploi CEA

Development of efficient graph neural networks for time-series data H/F


Vacancy details

General information

Organisation

The French Alternative Energies and Atomic Energy Commission (CEA) is a key player in research, development and innovation in four main areas :
• defence and security,
• nuclear energy (fission and fusion),
• technological research for industry,
• fundamental research in the physical sciences and life sciences.

Drawing on its widely acknowledged expertise, and thanks to its 16000 technicians, engineers, researchers and staff, the CEA actively participates in collaborative projects with a large number of academic and industrial partners.

The CEA is established in ten centers spread throughout France
  

Reference

2022-24741  

Description de l'unité

The mission of the Integrated Multi-Sensor Intelligence Laboratory (LIIM) is to study and develop embedded artificial intelligence, data fusion and environmental perception algorithms for multi-sensor cyber-physical systems, and to design and implement software and hardware demonstration platforms implementing these algorithms with the introduction of innovative technologies, in particular for the creation of specific integrated circuits.

Le Laboratoire Intelligence Intégrée Multi-capteurs (LIIM) a pour mission d'étudier et de développer des algorithmes embarqués d'intelligence artificielle, de fusion de données et de perception de l'environnement pour des systèmes cyber-physiques multi-capteurs, de concevoir et d'implémenter des plateformes de démonstration logicielles et matérielles mettant en œuvre ces algorithmes avec l'introduction de technologies innovantes, notamment pour la réalisation de circuits intégrés spécifiques.

Position description

Category

Information system

Contract

Internship

Job title

Development of efficient graph neural networks for time-series data H/F

Subject

The candidate will develop graph neural networks for application to time-series data. In particular, there will be a focus on increasing the efficiency of the approach such that it is compatible with the energy and memory constraints of embedded systems.

Le candidat développera des réseaux neuronaux graphiques pour les appliquer à des séries de données temporelles. En particulier, il s'agira d'accroître l'efficacité de l'approche de manière à ce qu'elle soit compatible avec les contraintes d'énergie et de mémoire des systèmes embarqués.

Contract duration (months)

6

Job description

Graph neural networks are an emerging method in artificial intelligence developed in order to apply deep learning techniques on graph structured data. Recently graph neural networks have been found to perform well in applications where images and video are represented as graphs and do so with impressive reductions in computational complexity and hardware requirements. The objective of this internship will be to apply and adapt these methods (under development in the LIIM laboratory) to time-series data (i.e., analogue signals recorded from sensors). In particular, the question of the how such as an algorithm can be adapted to run in real-time in an embedded system at the edge will be addressed. The M2 internship will be hosted by the LIIM laboratory, based at the Minatec campus in Grenoble. The start date is flexible, but expected to be in springtime 2023 and will last for 6 months. There is a possibility to follow-up the internship with a PhD for candidates that show promise. We are looking for a candidate with an interest in AI, embedded systems and electronic circuits as well as in doing upstream technological research. This is an advanced topic and the candidate will be required to develop their own ideas and research plan with the support of a team of three supervisors.

 

Les réseaux neuronaux graphiques sont une méthode émergente en intelligence artificielle, développée afin d'appliquer des techniques d'apprentissage profond sur des données structurées en graphes. Récemment, les réseaux de neurones graphiques se sont révélés performants dans des applications où les images et les vidéos sont représentées sous forme de graphes, et ce avec des réductions impressionnantes de la complexité de calcul et des exigences matérielles. L'objectif de ce stage sera d'appliquer et d'adapter ces méthodes (en cours de développement dans le laboratoire du LIIM) à des données de séries temporelles (c'est-à-dire des signaux analogiques enregistrés par des capteurs). En particulier, la question de savoir comment un tel algorithme peut être adapté pour fonctionner en temps réel dans un système embarqué à la périphérie sera abordée. Le stage de M2 sera accueilli par le laboratoire LIIM, basé sur le campus Minatec à Grenoble. La date de début est flexible, mais devrait être au printemps 2023 et durera 6 mois. Il y a une possibilité de suivre le stage avec un doctorat pour les candidats qui se montrent prometteurs. Nous recherchons un candidat ayant un intérêt pour l'IA, les systèmes embarqués et les circuits électroniques, ainsi que pour la recherche technologique en amont. Il s'agit d'un sujet avancé et le candidat devra développer ses propres idées et son plan de recherche avec le soutien d'une équipe de trois superviseurs.

Applicant Profile

This is M2 internship for students following a degree in computer or electrical engineering.

Il s'agit d'un stage de M2 pour les étudiants suivant un diplôme en génie informatique ou électrique.

Position location

Site

Grenoble

Job location

France, Auvergne-Rhône-Alpes, Isère (38)

Location

  GRENOBLE

Candidate criteria

Languages

  • English (Fluent)
  • French (Beginner)

Prepared diploma

Bac+5 - Master 2

PhD opportunity

Oui

Requester

Position start date

27/02/2023