[postdoc] architectures neuromorphiques

Encadrement

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

Résumé

Les champs neuronaux dynamiques (dynamic neural fields, DNF) sont des modèles bio-inspirés de populations neuronales (généralement 2D) modélisés à une échelle mésoscopique, où les unités neuronales interagissent en continu via des connexions excitatrices et inhibitrices. Les DNF ont été appliqués avec succès à l’attention visuelle, à la détection de nouveautés, à la reconnaissance faciale, au contrôle de robots, etc. Dans le contexte de la mise en œuvre numérique matérielle de DNF sur FPGA (field programmable gate arrays, circuits numériques reconfigurables), des versions impulsionnelles (spiking) de DNF ont été définies, montrant des propriétés comportementales similaires avec une robustesse améliorée par rapport au bruit et aux distracteurs.

Cette proposition de post-doctorat vise d’abord à étudier comment les versions impulsionnelles des champs neuronaux dynamiques peuvent être implantées sur des circuits neuromorphiques qui ont émergé récemment, tels que l’architecture Intel Loihi [1], en termes de calcul et de communication. La principale application illustrative consistera à suivre des cibles dans une scène visuelle capturée par une caméra impulsionnelle DVS. La question de l’implantation d’architectures neuronales avec plusieurs champs neuronaux connectés les uns aux autres sera également abordée, avec des applications à l’attention visuelle et à la mémoire visuelle. Enfin, sur la base d’une version impulsionnelle de cartes auto-organisatrices (SOM) en cours d’étude, un objectif additionnel sera l’évaluation de la capacité de ce modèle, qui utilise des règles d’apprentissage locales, à s’intégrer sur des puces neuromorphiques.

Ce travail sera réalisé dans le cadre du projet RV2.133.Girau approuvé par l’INRC (Intel Neuromorphic Research Community), qui permet l’accès aux informations sur la conception du circuit prototype Intel Loihi et aux logiciels de simulation associés.

Description

Le but de ce projet est d’étendre nos travaux sur les DNF aux circuits neuromorphiques numériques, et plus particulièrement à l’architecture Loihi de Intel qui offre à la fois le type de calcul que nous utilisons dans nos DNF impulsionnels et la polyvalence dont nous avons besoin lors du développement de nouvelles variantes de DNF. La première partie du travail sera de définir et d’analyser un modèle DNF où chaque unité neuronale utilise le type exact de calcul impulsionnel qui peut être implémenté dans les cœurs neuromorphiques d’un circuit Loihi. Une validation comportementale de ce modèle est nécessaire, avec une évaluation fine de sa capacité à sélectionner une cible et à induire une compétition émergente au sein d’un ensemble de cibles possibles, en présence d’un niveau croissant de perturbations (bruit, distracteurs). La deuxième partie du travail abordera la question de la communication des neurones, au sein des coeurs neuromorphiques et entre eux, sachant que le schéma d’interconnexion d’un DNF  induit rapidement des goulots d’étranglement de communications lorsque la taille du DNF augmente. Les solutions cellulaires  que nous avons proposées constituent une solution possible aux problèmes de communication, en utilisant une propagation locale aléatoire de spikes [2] ou de flux binaires stochastiques [3]. Chaque adaptation du modèle de calcul des DNF à l’architecture Loihi devra être évaluée principalement via une analyse comportementale et via une comparaison en termes de vitesse de calcul et d’évolutivité avec les implantations sur CPU et FPGA. La troisième partie du travail abordera la question de la connexion de plusieurs DNF pour mettre en œuvre des architectures de champs neuronaux plus complexes, telles que celles utilisées pour la mémoire visuelle. Il faudra notamment déterminer un moyen efficace d’implanter de multiples connexions afférentes à une carte neuronale sur l’architecture Loihi. Enfin, une partie prospective du travail proposé est liée à la définition récente d’un modèle impulsionnel de carte auto-organisatrice, que nous voulons adapter à l’architecture Loihi, en utilisant notamment les mécanismes d’apprentissage locaux simples de type STDP (spike timing dependent plasticity) présents sur la puce Loihi et utilisés par notre modèle de SOM impulsionnelle.

Compétences requises

Le candidat doit avoir l’équivalent d’un Doctorat en informatique, de préférence sur un sujet lié à l’intelligence artificielle, aux réseaux de neurones et/ou au calcul numérique distribué. L’essentiel du travail se faisant à l’aide de logiciels de simulation, 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.

Bibliographie

[1]  A. Lines, P. Joshi, R. Liu, S. McCoy, J. Tse, Y. Weng, and M. Davies. Loihi asynchronous neuromorphic research chip. In 2018 24th IEEE International Symposium on Asynchronous Circuits and Systems (ASYNC), 2018.

[2]  Benoît Chappet De Vangel, Cesar Torres-Huitzil, and Bernard Girau. Randomly spiking dynamic neural fields. Journal of Emerging Technologies in Computing Systems, 2014.

[3]  Benoît Chappet De Vangel and Bernard Girau. Stochastic and asynchronous spiking dynamic neural fields. In International Joint Conference on Neural Networks, 2015 International Joint Conference on Neural Networks, IJCNN 2015, Killarney, Ireland, July 2015.

 

Logo d'Inria