In-Sensor Computing pour les Capteurs MEMS : vers un réseau de neurones électromécaniques

CEA; Grenoble; Sur place; EUR 40 000 - 60 000; Plein temps

Résumé du poste

Un institut de recherche en technologies avancées à Grenoble recherche un candidat pour une thèse sur l'in-sensor computing pour des capteurs MEMS. Le candidat retenu développera un dispositif MEMS intégrant un réseau de neurones, optimisé pour une consommation énergétique minimale. Ce poste offre une opportunité unique de recherche innovante à l'interface de l'électronique et de l'intelligence artificielle.

Qualifications

• Connaissances en électronique, en particulier pour le développement de dispositifs MEMS.
• Compréhension des concepts de machine learning et d'Edge-AI.
• Capacité à travailler sur des environnements à haute température.

Responsabilités

• Développer un dispositif MEMS intégrant un réseau de neurones.
• Exploiter et caractériser ce nouveau neurone MEMS.
• Concevoir un capteur intelligent optimisé pour une faible consommation énergétique.

Formation

M2 ou Ingénieur en électronique

Description du poste

Overview

Description du sujet de thèse

Domaine

Défis technologiques

Sujets de thèse

In-Sensor Computing pour les Capteurs MEMS : vers un réseau de neurones électromécaniques

Contrat

Thèse

Description de l'offre

L''essor des modèles d''apprentissage automatique pour le traitement des données issues de capteurs a conduit au développement de l''Edge-AI, qui vise à effectuer ces traitements localement, directement au niveau des capteurs. Cette approche réduit la quantité de données transmises et allège les centres de calcul centralisés, offrant ainsi une solution pour diminuer la consommation énergétique globale des systèmes. Dans ce contexte, le concept d''in-sensor computing émerge, intégrant acquisition et traitement des données au sein du capteur lui-même. En exploitant les propriétés physiques des capteurs et des paradigmes de calcul alternatifs tels que le reservoir computing et le calcul neuromorphique, l''in-sensor computing élimine les étapes énergivores de conversion et de traitement des signaux dans le domaine électrique.

L''application de ce concept aux capteurs MEMS permet le traitement de signaux tels que l''accélération, la contrainte ou les signaux acoustiques, avec une réduction significative, voire une élimination, des composants électroniques traditionnels. Cela a ravivé l''intérêt pour les dispositifs de calcul mécanique et leur intégration dans des capteurs MEMS. Quelques recherches récentes explorent des dispositifs MEMS innovants intégrant des réseaux de neurones récurrents ou du reservoir computing, montrant un potentiel prometteur pour l''efficacité énergétique. Cependant, ces avancées restent encore limitées à des démonstrations de concept pour des tâches de classification élémentaire avec un très faible nombre de neurones.

Sur la base de notre expertise acquise en calcul à base de MEMS, ce travail de doctorat propose de pousser ces concepts plus loin en développant un dispositif MEMS intégrant un réseau de neurones, à plusieurs couches, reprogrammable avec des capacités d''apprentissage, un résultat qui aurait bien au-delà de l''état de l''art. A terme, l''objectif est de concevoir un capteur intelligent, combinant détection et prétraitement sur une même puce, et optimisé pour fonctionner avec une consommation énergétique extrêmement faible, de l''ordre du femtoJoule par activation. Cette thèse se concentrera sur l''exploitation, la conception et la caractérisation de ce nouveau neurone MEMS, en ciblant des applications de traitement de signaux basse fréquence dans des environnements à haute température, ouvrant la voie à une déclinaison de l''edge-IA dans le domaine des MEMS.

Université / école doctorale

Ecole Doctorale de Physique de Grenoble (EdPHYS)
Université Grenoble Alpes

Localisation du sujet de thèse

Site
Grenoble

Critères candidat

Formation recommandée

• M2 ou Ingénieur en électronique

Demandeur

Disponibilité du poste

01/09/2025

Personne à contacter par le candidat

PILLONNET Gael [e-mail]
CEA
DRT/DCOS
Minatec Campus, 38054 Grenoble cedex 9, France
0438780215

Tuteur / Responsable de thèse

PILLONET Gael [e-mail]
CEA
DRT/DCOS//LGECA
Minatec Campus, 38054 Grenoble cedex 9, France
0438780215

En savoir plus

https://www.linkedin.com/in/gaelpillonnet/