[postdoc] architectures matérielles auto-organisatrices

Contexte

équipe BISCUIT, Loria
Encadrement : Bernard Girau (HDR)
Bernard.Girau@loria.fr

Cette proposition de post-doctorat se situe dans le contexte d’une collaboration (projet ANR SOMA) allant des neurosciences computationnelles à la conception de circuits multi-coeurs reconfigurables, et dont le but principal est d’étudier l’apport possible des principes de plasticité structurelle neuronale dans le cadre de la conception d’architectures de calcul reconfigurables massivement distribuées.

Sujet

Tandis que la quête pour des systèmes de calcul toujours plus puissants se confronte à des contraintes de ressources, des avancées majeures en terme d’efficacité de calcul sont supposées bénéficier d’approches non conventionnelles et de nouveaux modèles de calcul tels que le calcul inspiré du cerveau. Le cerveau est une architecture de calcul massivement parallèle avec des interconnexions denses entre les unités de calcul. Son organisation structurelle est déjà une source d’inspiration de plusieurs circuits intégrés neuromorphiques, mais plusieurs propriétés dynamiques du calcul du cerveau n’ont pas vraiment été explorées du point de vue d’une architecture matérielle de calcul. Nous sommes intéressés par la conception d’architectures de calcul adaptables et dynamiques, en profitant de principes d’auto-organisation inspirés par le cerveau. Des modèles neuronaux auto-organisés ont déjà été étudiés, en particulier pour les tâches de quantification vectorielle. Cependant, les modèles d’auto-organisation neuronale existants sont trop limités dans le cadre d’un projet d’architecture auto-organisatrice, car ils dépendent d’une topologie prédéfinie et ne prennent pas en compte les coûts de communication ni la connectivité afférente. Par conséquent, la transcription des principes d’auto-organisation au niveau matériel n’est pas simple et nécessite de relever plusieurs défis. Le premier défi est d’étendre les mécanismes habituels d’auto-organisation pour tenir compte du double niveau de calcul et de communication dans une architecture matérielle neuromorphique. D’un point de vue biologique, cela correspond à une combinaison de ce qu’on appelle les plasticités neuronales synaptique et structurelle. La plasticité structurelle n’a guère été étudiée dans la plupart des modèles auto-organisateurs car d’une part, une telle connectivité latérale dynamique explicite coûte cher et d’autre part, les règles exactes régissant la croissance ou l’élagage des connexions restent mal connues.

Dans le cadre du projet ANR SOMA, nous avons d’une part défini une architecture multi-coeurs reconfigurable (carte SCALP, [1]) capable d’exploiter les principes d’auto-organisation matérielle, et d’autre part nous avons défini différents modèles de carte auto-organisatrice intégrant des mécanismes de plasticité structurelle [2,3]. L’objectif du travail proposé ici est de faire le lien entre ces deux aspects :

– étudier l’implantation des modèles de cartes auto-organisatrices à plasticité structurelle sur la carte SCALP, en analysant leur comportement face à des données réelles et leur efficacité au regard des contraintes de communication de la carte

– interpréter la quantification vectorielle apprise par les cartes auto-organisatrices en termes de besoins de communication parmi les unités de calcul de l’architecture auto-organisée et en termes d’allocation dynamique de ressources de calcul sur la carte SCALP

Compétences requises

Le candidat doit avoir l’équivalent d’un Doctorat en informatique, de préférence sur un sujet lié à l’intelligence artificielle et/ou au calcul numérique distribué. L’essentiel du travail se faisant à l’aide d’un logiciel de simulation de la carte SCALP, une maîtrise de la conception logicielle est requise, mais une connaissance de la conception sur circuit numérique sera également prise en compte. Le candidat doit parler couramment l’anglais et/ou le français.

Références

[1] F. Vannel, D. Barrientos, J. Schmidt, C. Abegg, D. Buhlmann, andA. Upegui, “SCALP: Self-configurable 3-d cellular adaptive platform,”inProceedings of the 2018 IEEE Symposium Series on Computational Intelligence (SSCI), November 2018, pp. 1307–1312.

[2] B. Girau and A. Upegui, “Cellular self-organising maps,” inInt.Workshop on Self-Organizing Maps and Learning Vector Quantization,Clustering and Data Visualization (WSOM’19), 2019.

[3] A. Upegui, B. Girau, N. Rougier, F. Vannel, and B. Miramond, “Pruningself-organizing maps for cellular hardware architectures,” inNASA/ESAConf. on Adaptive Hardware and Systems (AHS 2018), August 2018.

Logo d'Inria