Artificial Intelligence for In-Memory Computing
Stage Grenoble (Isère) Développement informatique
Description de l'offre
Détail de l'offre
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
2019-10907Description de l'unité
Le Leti, institut de recherche technologique de Cea Tech, a pour mission d'innover et de transférer les innovations à l'industrie. Son cœur de métier réside dans les technologies de la microélectronique, de miniaturisation des composants, d'intégration système, et d'architecture de circuits intégrés, à la base de l'internet des objets, de l'intelligence artificielle, de la réalité augmentée, de la santé connectée. Le Leti façonne des solutions différenciantes, sécurisées et fiables visant à augmenter la compétitivité de ses partenaires industriels par l'innovation technologique. L'institut est localisé à Grenoble avec deux bureaux aux USA et au Japon, et compte 1800 chercheurs.
Description du poste
Domaine
Technologies micro et nano
Contrat
Stage
Intitulé de l'offre
Artificial Intelligence for In-Memory Computing
Sujet de stage
Implémentation d'applications du domaine de l'intelligence artificielle pour le Edge sur une architecture 'calcul en mémoire'
Durée du contrat (en mois)
6 mois
Description de l'offre
Le calcul en mémoire est un nouveau paradigme de calcul et de traitement de donnée. Il consiste à amener les unités fonctionnelles de calculs à l'intérieur des unités mémoire. Il a été introduit pour surmonter le goulot d'étranglement de l'architecture von-Neumann en termes de transfert de donnée et de consommation énergétique [1][2][3].
Nous avons développé une plateforme d'émulation basée sur une machine virtuelle LLVM (Low-Level Virtual Machine). Elle permet d'explorer de différents type d'applications (traitement d'image, cryptographie, calcul intensive, etc), et d'évaluer l'architecture de calcul dans la mémoire. Cette plateforme permet de compiler une application donnée en représentation intermédiaire de LLVM et de générer des traces d’exécution; ces traces sont analysées par la suite pour évaluer les performances et la consommation énergiquement.
Ce stage a pour objectives:
1- Explorer des applications de l'intelligence artificielle (Exemple: EdgeBench [4] ou une partie d'un réseau de neurones AlexNet [5]) afin de proposer une implémentation utilisant notre architecture de calcul en mémoire tout en respectant deux critères principaux: (i) vectorisation de donnée et alignement dans une matrice de mémoire; et (ii) calcul parallèle
2- Comparer les performances de système avec du calcul en mémoire avec le systèmes de l'état de l'art intégrant des unités de calcul parallèle, Exemple: SIMD, accélérateurs, GPUs, etc
3- Proposer des optimisations pour le modèle de programmation de l'architecture calcul dans la mémoire
Le stagiaire doit être capable de travailler en équipe et de communiquer efficacement sur l'avancé de son travail. Une attitude proactive lors des présentations serait un plus. Le stagiaire sera également amené à interagir avec des différents laboratoires allant de la technologie silicium à la programmation haut niveau. De ce fait, une certaine curiosité et ouverture d'esprit sera nécessaire, tout comme une attitude à travailler dans un environnement multiculturel, avec l'utilisation de l'anglais (écrit et oral).
Ce stage s'inscrit dans les activités In-Memory Computing du laboratoire, et la rémunération est selon profil et école du candidat.
Références:
[1] https://hal-cea.archives-ouvertes.fr/cea-01376554/document
[2] https://hal-cea.archives-ouvertes.fr/cea-01625320/document
[3] https://hal-cea.archives-ouvertes.fr/cea-01757656/document
[4] https://github.com/rpi-nsl/edgebench
[5] https://papers.nips.cc/paper/4824-imagenet-classification-with-deep-convolutional-neural-networks.pdf
Profil recherché
Profil du candidat
Les compétences demandées pour le candidat pour projet de stage sont:
- Langage de programmation (C, python, ...)
- Connaissance en algorithmes de Machine Learning et Deep Learning (convolution, réseau de neurones ...)
- Connaissance en Architecture d'ordinateur (modèle von Neumann) est appréciée
- Connaissance en programmation parallèle est également appréciée
- Bon sens de communication et innovation