Inférence neuronale bayésienne

CEA; Grenoble; Sur place; EUR 20 000 - 40 000; Plein temps

Résumé du poste

Une organisation de recherche française propose une thèse axée sur l'inférence neuronale bayésienne utilisant des transistors ferroélectriques. Le candidat idéal aura un Master 2 en microélectronique ou domaines connexes. Cette recherche vise à améliorer l'efficacité énergétique des systèmes d'IA en exploitant des technologies avancées. La date de début prévue est le 01/10/2025. Contact pour les candidatures: François RUMMENS, [e-mail].

Qualifications

• Expérience en microélectronique et nanotechnologie recommandée.
• Compétences en échantillonnage et mise à jour probabiliste.
• Capacité à développer des architectures de neurones bayésiens.

Responsabilités

• Caractériser et modéliser l'aléa ferroélectrique.
• Développer des architectures de neurones et synapses bayésiens.
• Évaluer la robustesse et l'efficacité énergétique des solutions développées.

Formation

Master 2 microélectronique, nanotechnologie, sciences des matériaux, physique

Description du poste

Description du sujet de thèse

Domaine

Défis technologiques

Sujets de thèse

Inférence neuronale bayésienne à partir de transistors ferroélectriques à mémoire

Contrat

Thèse

Description de l'offre

De nombreux systèmes critiques pour la sécurité intègrent désormais des fonctions d'intelligence artificielle devant opérer avec une consommation énergétique minimale et sous fortes incertitudes, notamment en contexte de données limitées. Or, les approches déterministes classiques de l'IA ne fournissent qu'une estimation ponctuelle des prédictions, sans quantification rigoureuse de la confiance, ce qui limite leur fiabilité en conditions réelles. Cette thèse s'inscrit dans le domaine émergent de l'électronique bayésienne, où l'objectif est d'implémenter l'inférence probabiliste directement au niveau matériel, en exploitant la variabilité intrinsèque de nanodispositifs pour représenter et manipuler des distributions de probabilité. Si des mémristors ont déjà été utilisés pour réaliser des opérations d'inférence bayésienne, leurs contraintes en endurance et en énergie de programmation constituent un verrou majeur pour l'apprentissage embarqué. L'objectif de cette thèse est d'explorer l'utilisation de transistors ferroélectriques à effet de champ (FeMFETs) comme briques élémentaires de réseaux de neurones bayésiens sur puce. Il s'agira de caractériser et modéliser l'aléa ferroélectrique exploitable pour l'échantillonnage et la mise à jour probabiliste, de développer des architectures de neurones et synapses bayésiens basées sur ces dispositifs, puis d'évaluer expérimentalement et au niveau système leur robustesse, leur efficacité énergétique et leur pertinence pour des applications critiques.

Université / école doctorale

Electronique, Electrotechnique, Automatique, Traitement du Signal (EEATS) Université Grenoble Alpes

Site

Grenoble

Critères candidat

Formation recommandée

Master 2 microélectronique, nanotechnologie, sciences des matériaux, physique

Disponibilité du poste

01/10/2025

Personne à contacter par le candidat

RUMMENS François Francois.
[e-mail]
CEA DRT/DSCIN/DSCIN/LSTA
CEA LIST - Site Nano-INNOV Palaiseau, 8 Avenue de la Vauve
91120 Palaiseau

Tuteur / Responsable de thèse

VIANELLO Elisa
[e-mail]
CEA DRT/DCOS/L/DMC
CEA Leti MINATEC Campus
Laboratoire de Technologies Memoires Avancées
17, rue des Martyrs
38054 Grenoble CEDEX9
0438789092

En savoir plus