Direction scientifique
Transfert de connaissances vers l'industrie

Nos Thèses par thème

Conception, simulation, fabrication et caractérisation d'un CUBE logique/mémoire dédié au calcul dans la mémoire

Département Composants Silicium (LETI)

Laboratoire d'Intégration des Composants pour la Logique

Master2 ou ingénieur microelectronique, physique du solide, électronique

01-10-2019

SL-DRT-19-0747

francois.andrieu@cea.fr

Pour répondre à différents enjeux scientifiques et sociétaux, les circuits intégrés de demain doivent gagner en efficacité énergétique. Or, la majorité de leur énergie est aujourd'hui consommée par les transferts de données entre les blocs mémoire et logique dans des architectures circuit de type Von-Neumann. Une solution émergente et disruptive à ce problème consiste à rendre possible des calculs directement dans la mémoire (« In-Memory Computing »). Les nouvelles technologies de mémoires résistives non-volatiles et de transistors à nanofils de silicium développées au LETI et intégrées en 3D permettraient de proposer pour la première fois une solution technologique performante et viable à un calcul intensif dans la mémoire. Le LETI s'est vu attribué une bourse de recherche prestigieuse de l'European Research Council (ERC). Ce projet sera transverse: de l'application à l'implémentation technologique, en passant par le logiciel et le circuit. Le but est de créer des nano-fonctionnalités en mixant à très faible échelle des dispositifs logiques et mémoires à très grande densité et très grosses capacités. Un accélérateur circuit de In-Memory-Computing sera conçu et fabriqué au LETI, permettant d'améliorer les performances énergétique d'un facteur 20 par rapport à un circuit Von-Neumann de l'état de l'art. Cette technologie qui apporte de l'intelligence dans la mémoire devrait non seulement révolutionner les applications telles que l'Intelligence Artificielle, l'apprentissage machine, l'analyse de données mais pourrait aussi constituer le c?ur des futurs circuits intégrés de demain, visant la basse consommation ou la forte efficacité énergétique. La thèse proposée s'inscrit dans ce projet et vise a concevoir, simuler, fabriquer et caractériser un CUBE logique/mémoire dédié au "In-Memory-Computing".

Sécurisation par co-design matériel / logiciel contre les attaques par injection de fautes

Département Architectures Conception et Logiciels Embarqués (LIST-LETI)

Laboratoire Infrastructure et Ateliers Logiciels pour Puces

master 2 en informatique ou électronique

01-09-2019

SL-DRT-19-0748

damien.courousse@cea.fr

Cette thèse sera centrée sur l'articulation du matériel et du logiciel pour la conception de mécanismes de protection contre les attaques physiques, en particulier les attaques par injection de fautes. On cherchera à apporter des solutions de sécurisation génériques, applicables quelque soit la nature du composant logiciel cible, tout en sachant exploiter des mécanismes matériels de sécurité lorsqu'ils sont présents. L'objectif est de modifier conjointement la micro-architecture du processeur et de tirer parti des possibilités de transformation et d'optimisation de code offertes par un compilateur pour concevoir de nouveaux schémas de protection sûrs et efficaces. Cette thèse est financée par le projet ANR COFFI, qui démarrera en février 2019 (durée 42 mois).

Intégration de connaissances expertes et de ressources linguistiques dans des modèles neuronaux profonds pour l'adaptation multi-domaine et multilingue

Département Intelligence Ambiante et Systèmes Interactifs (LIST)

Vision & Ingénierie des Contenus (SAC)

Master Recherche ou équivalent en informatique ou en traitement automatique de la langue

01-03-2019

SL-DRT-19-0750

nasredine.semmar@cea.fr

Cette thèse se situe au croisement de deux domaines de recherche, le Traitement Automatique des Langues (TAL) d'une part, et l'Apprentissage Automatique (AP) d'autre part. Le sujet proposé a pour but d'explorer et d'expérimenter de nouvelles approches basées sur l'intégration de connaissances expertes et des ressources linguistiques disponibles dans des modèles neuronaux profonds en vue d'améliorer leur performance pour les domaines et langues peu dotées en données d'apprentissage. L'idée sous-jacente à ce sujet de thèse est que l'ajout de connaissances expertes et de ressources linguistiques fiables (car ces ressources sont généralement construites par des experts), même si elles sont de taille modeste, peuvent améliorer la prédiction des modèles neuronaux actuels utilisant des word embeddings génériques. Un premier défi de cette thèse réside dans la définition d'un mécanisme de représentation de ces connaissances expertes et de ces ressources linguistiques de natures variées pour une intégration optimale dans le modèle neuronal. En effet, lorsque les connaissances expertes ou les ressources linguistiques sont homogènes (de même nature ou de même représentation), diverses stratégies d'intégration peuvent être utilisées. Le problème s'avère plus difficile face à des connaissances expertes ou des ressources linguistiques hétérogènes. Le deuxième défi est lié à la manière de combiner les données d'apprentissage d'une tâche donnée avec celles d'une autre tâche pour améliorer la prédiction du modèle neuronal de cette dernière sachant que ces données d'apprentissage sont de nature variées. Nous proposons d'aborder cette problématique selon les axes suivants, dans le prolongement des travaux déjà réalisés au laboratoire LVIC: - Prise en compte de connaissances expertes et de ressources linguistiques hétérogènes: Ontologies, Bases de données terminologiques, Lexiques, Règles de reconnaissance d'entités nommées, Règles d'identification de relations de dépendance syntaxique, etc. - Développement d'un formalisme permettant de décrire les connaissances expertes et les ressources linguistiques dans un ensemble de représentations disposées par étages. L'idée est que chaque type de connaissance experte ou de ressource linguistique a une représentation séparée mais que l'ensemble des représentations est décrit dans le même format (modèle). - Exploration de nouvelles stratégies pour l'intégration des connaissances expertes et des ressources linguistiques dans les réseaux de neurones profonds. L'idée sous-jacente est de proposer un mécanisme d'intégration qui s'adapte à chaque type de connaissance externe ou de ressource linguistique.

Détection et localisation de défauts dans un câble multiconducteur

Département Architectures Conception et Logiciels Embarqués (LIST-LETI)

Laboratoire Fiabilité et Intégration Capteur

Théorie et traitement de signal, Electromagnétique, Modélisation, Hyperfréquence, Mathématiques appliquées.

01-09-2019

SL-DRT-19-0758

moussa.kafal@cea.fr

Le bon fonctionnement d'un réseau de distribution dépend de la capacité à détecter rapidement l'apparition de défauts, tels que décharges, court circuits ou encore la pénétration d'humidité dans les câbles. Si la nature de ces défauts dépend du contexte applicatif, les techniques utilisées pour les détecter reposent essentiellement sur la capacité à solliciter un câble avec des signaux de test, et à monitorer l'apparition de signaux de réponse qui témoigneraient de l'existence d'une modification dans les câbles. Alors que cette approche est claire dans le cas de câbles standards constitués de deux conducteurs, le cas des câbles multiconducteur reste plus complexe à traiter. En effet, appliquer des signaux de test à une paire de conducteurs entraîne typiquement une excitation parasite de conducteurs proches, à cause du couplage électromagnétique qui les relie. Ce phénomène peut considérablement complexifier l'interprétation des résultats d'un test, en créant une ambiguïté dans l'identification du conducteur défaillant, car plusieurs conducteurs peuvent se coupler à ceux effectivement sous test. Dans cette thèse, le couplage sera au contraire considéré comme une opportunité, car il permet de sonder un nombre plus important de conducteurs en même temps. L'ambigüité intrinsèque à une telle proposition peut être levée en répétant les tests sur plusieurs paires de conducteurs. Il apparaît alors intéressant de définir des stratégie de choix optimal des conducteurs à tester afin de couvrir le plus large nombre de conducteurs voisins, sans pour autant tester toutes les combinaisons possibles. Dans ce sens, cette proposition se veut parcimonieuse, introduisant la notion de surface efficace de test couverte à partir d'une paire de conducteurs. Une stratégie de décision prometteuse pour l'identification d'un conducteur défaillant est offerte par les approches basées sur les arbres et graphes de classification Bayésiens. Ces outils permettent de croiser les informations obtenus afin d'identifier une modèle explicatif, ici le conducteur défaillant. Parmi les avantages de cette approche nous pouvons compter leur capacité à intégrer des informations qualitatives, comme la typologie du défaut, et le fait de fournir un résultat formulé en termes de probabilités associées à chaque scénario possible, ce qui permet de nuancer l'interprétation des résultats et d'en évaluer la fiabilité, contrairement aux méthodes purement numériques. Il sera alors nécessaire de procéder à un travail préparatoire, permettant d'évaluer la probabilité à priori d'observer des signaux parasites à partir d'un défaut sur un conducteur voisin. Ce travail se basera sur l'étude de la théorie des lignes et fournira le lien entre les aspects physiques de la propagation multiconducteur et les observables considérées pendant les tests.

76 (Page 13 sur 13)
first   previous  9 - 10 - 11 - 12 - 13
-->

Voir toutes nos offres