Informations générales
Entité de rattachement
Le Commissariat à l'énergie atomique et aux énergies alternatives (CEA) est un organisme public de recherche.
Acteur majeur de la recherche, du développement et de l'innovation, le CEA intervient dans le cadre de ses quatre missions :
. la défense et la sécurité
. l'énergie nucléaire (fission et fusion)
. la recherche technologique pour l'industrie
. la recherche fondamentale (sciences de la matière et sciences de la vie).
Avec ses 16000 salariés -techniciens, ingénieurs, chercheurs, et personnel en soutien à la recherche- le CEA participe à de nombreux projets de collaboration aux côtés de ses partenaires académiques et industriels.
Référence
2022-24543
Description de l'unité
Au sein de la Direction de la Recherche Technologique (DRT) du CEA, le Laboratoire d'Intégration des Systèmes et des Technologies (LIST) a notamment pour mission de contribuer au transfert de technologies, dans le domaine des systèmes de calcul spécialisés, de la recherche amont vers les industries.
Ce stage se déroulera au sein du Laboratoire Environnement de Conception et Architecture (LECA) sur le site de Nano-Innov du CEA LIST.
Description du poste
Domaine
Sciences pour l'ingénieur
Contrat
Stage
Intitulé de l'offre
Modèle d'exécution parallèle pour une architecture de calcul pour l'IA
Sujet de stage
Le stage porte sur le développement d'un modèle d'exécution parallèle pour gérer efficacement le trafic des flux de données dans un accélérateur dédié pour l'intelligence artificielle (IA) basé sur un réseau d'interconnexion de type NoC (Network-on-Chip).
Durée du contrat (en mois)
6 mois
Description de l'offre
Les accélérateurs IA basés sur un réseau NoC, largement utilisées dans différents domaines d’application tels que la conduite autonome, la robotique et la sécurité intelligente, doivent exécuter des algorithmes de plus en plus complexes sur des ressources de calcul toujours plus nombreuses et parfois hétérogènes. Dans le cas des algorithmes de type DNN (Deep Neural Networks), les échanges de données peuvent être très importants et l’interconnexion entre ressources de calcul peut vite impacter fortement les performances générales de l’architecture, ainsi que son efficacité énergétique. De même les accès aux différentes mémoires du système, avec potentiellement de forts partages de données sont un point critique.
Dans le cadre de ce stage, le candidat sera amené à optimiser le portage d’un réseau de neurones sur une architecture de calcul dédiée pour l’IA. Ce portage devra assurer un traitement parallèle des flux de données avec un coût minimal de transfert de données pour obtenir un traitement DNN économe en énergie sans compromettre la précision. La partie du stage permettra au candidat d’analyser les différents patterns de communication dans les architectures neuronales existantes dans l’état de l’art afin de caractériser et quantifier les transferts de données dans ces architectures en termes de performance et de consommation d’énergie. Cette analyse lui permettra de proposer une solution optimisée de portage d’un réseau de neurones sur l’architecture cible en tenant compte des caractéristiques de son réseau de communication. Cette solution proposée sera ensuite implémentée par le candidat sur l’architecture cible à base de FPGA afin d’évaluer les performances. Les résultats du stage pourront faire l’objet d’une publication dans une conférence internationale.
Ce stage permettra au candidat d’acquérir des connaissances dans le domaine des réseaux de neurones et de monter en compétence en conception matérielle VHDL pour des systèmes sur FPGA.
#StageList
Profil du candidat
Niveau demandé : Bac+5 (Master recherche/diplôme Ingénieur)
Compétences : VHDL, FPGA, connaissances en réseaux de neurones (DNN/CNN) souhaitable
Pièces à fournir : CV + lettre de motivation + classements
Localisation du poste
Site
Saclay
Localisation du poste
France, Ile-de-France, Essonne (91)
Ville
Saclay
Critères candidat
Langues
- Anglais (Courant)
- Français (Courant)
Diplôme préparé
Bac+5 - Diplôme École d'ingénieurs
Formation recommandée
Master 2 ou Ecole d'Ingénieur
Possibilité de poursuite en thèse
Non
Demandeur
Disponibilité du poste
01/02/2023