Intelligence artificielle

L’IRT Nanoelec aborde le sujet de l’intelligence artificielle (IA) sous l’angle de l’électronique embarquée. Le développement et la généralisation d’applications d’IA embarquées s’imposent pour la gestion de grandes quantités de données qui nécessitent un traitement local au niveau des composants et du système. L’objectif est de donner à ces composants la capacité de prendre des décisions de manière plus décentralisée, autonome et fiable.

Imageurs intelligents

L’imagerie est l’un des trois principaux domaines qui utilisent l’IA. L’objectif n’est pas seulement d’obtenir une meilleure qualité d’image, mais aussi d’extraire des données pertinentes de l’image, en tenant compte de l’environnement, de l’objet et de la scène (potentiellement dans diverses conditions d’éclairage), et de la connaissance du contexte. L’objectif principal du nouveau programme Nanoelec/Smart Imager est d’évaluer les avantages de l’utilisation de la technologie 3D-stack pour intégrer le traitement de l’intelligence artificielle dans la troisième couche d’un capteur d’image. Les équipes de recherche se concentrent sur le développement de blocs de construction génériques pour l’IA et le traitement associé ainsi que sur l’exploration de l’impact de
ces blocs sur des architectures d’imageurs à basse énergie.


Cybersécurité des microcontroleurs

Les futurs objets connectés auront besoin d’implémentations fiables d’algorithmes d’IA embarqués et de mécanismes de sécurité pour les protéger des menaces logicielles et matérielles potentielles. Le déploiement et l’utilisation sûre de cette technologie dans les systèmes embarqués requiert de sécuriser la mise en œuvre d’algorithmes d’IA au sein de ces objets ainsi que leurs protocoles de communications avec le monde extérieur. Des chercheurs de laboratoires académiques et des équipes industrielles travaillent ensemble au sein du programme Nanoelec/Pulse pour réaliser la mise en œuvre et le déploiement d’algorithmes d’IA, en particulier d’algorithmes d’apprentissage automatique embarqués dans des composants IoT. Concernant la sécurité des véhicules autonomes, les équipes du programme s’intéressent à la validation de systèmes d’intelligence artificielle (IA) pour la mobilité/les véhicules. La question de l’évaluation et de la validation de l’efficacité de ces technologies est l’un des derniers enjeux centraux retardant l’adoption des technologies embarquées de capture de contexte. C’est donc un enjeu majeur pour l’accès au marché des véhicules autonomes.


Cytométrie

Les principaux partenaires du programme Nanoelec/Photonic Sensors participent au projet européen Neoteric, qui vise à concevoir et construire un démonstrateur de cytométrie utilisant des circuits photoniques. La cytométrie est une technique de comptage et de caractérisation de particules, molécules ou cellules biologiques dans un fluide. Neoteric consiste à démontrer qu’un circuit photonique avec des fonctions d’apprentissage (IA) permet de mieux réaliser la reconnaissance d’images de particules comptées. Par rapport à l’analyse d’images conventionnelle utilisant un logiciel d’apprentissage en profondeur, la technologie photonique sur silicium promet une augmentation de la fréquence d’images, des performances de classification améliorées et une consommation d’énergie réduite de plusieurs ordres de grandeur.


Traitements d’images pour la caractérisation

Le développement d’algorithmes d’apprentissage profond et l’utilisation de l’intelligence artificielle présente intéresse beaucoup les équipes spécialisées dans la caractérisation des composants électroniques et systèmes. En particulier, ces technologies permettront d’améliorer l’efficacité des expériences menées avec les grands instruments disponibles dans le cadre de la plateforme Nanoelec/PAC-G. Ces expériences génèrent de très grands ensembles de données. Le traitement mutualisé des données, métadonnées, simulations et images utilisant l’IA dans les images associées peut accélérer la convergence vers le développement de matériaux pour réduire l’empreinte environnementale, assurer la souveraineté de l’approvisionnement et la fiabilité opérationnelle.


Démonstrateurs applicatifs pour l’imagerie

Les équipes impliquées dans l’initiative Nanoelec/SystemLab définissent, développent et testent des cas d’usage en utilisant des technologies d’IA embarquées intégrées ou associées à des capteurs d’images. Le projet vise à développer des démonstrateurs fonctionnels et à explorer de nouveaux scénarios d’applications. Un de ces cas d’utilisation consiste à positionner des capteurs d’images sans fil dans divers milieux naturels pour surveiller les incendies ou mesurer la biodiversité, par exemple. Un autre sujet porte sur l’étude des capteurs d’images capables d’analyser les postures et les expressions humaines, dans le but de détecter les émotions, pour prévenir des situations dangereuses ou des comportements inappropriés. Et un troisième cas d’utilisation implique la détection d’obstacles, tels que des nids-de-poule et des plaques de glace pour les véhicules.


Enseigner, étudier l’intelligence artificiel grâce à des composants Risc-V

Le programme Nanoelec/Capital Humain et ingénierie de formation a débouché, en 2020, sur une nouvelle formation basée sur la co-conception logiciel/matériel (hardware/software), grâce à l’utilisation d’un processeur basé sur le jeu d’instructions Risc-V. Ce jeu d’instructions et les processeurs qui l’implémentent sont libres de droits et sont de plus en plus utilisés par l’industrie dans le monde entier. En 2020, l’équipe pédagogique de Grenoble-INP, dans le cadre de Nanoelec, a développé une plateforme de référence semi-générique basée sur Risc-V, conçu un système de vision embarqué sur FPGA et un FPGA pour le traitement matériel d’algorithmes d’intelligence artificielle. La co-conception logiciel/matériel, jusqu’au prototype proprement dit, permet aux étudiants d’expérimenter les avantages respectifs de ces technologies (flexibilité du logiciel, efficacité du matériel) et de trouver un compromis entre les deux, au sein d’un même système.


Afin d’accélérer le transfert de compétences entre la recherche académique et l’industrie autour de l’IA, les huit IRT ont conduit, en 2019, l’initiative commune EngageAI.