Capteur Neuromorphique Pour L'i.a. Embarquée

**Capteur neuromorphique pour l'I.A. embarquée : Application à l'IoT // Neuromorphic Sensing System for Embedded AI applied to IoT**:

- Réf **ABG-126166**
**ADUM-59245**
- Sujet de Thèse- 08/10/2024- Université de Lille- Lieu de travail- Villeneuve d'Ascq - France- Intitulé du sujet- Capteur neuromorphique pour l'I.A. embarquée : Application à l'IoT // Neuromorphic Sensing System for Embedded AI applied to IoT- Champs scientifiques- Informatique
- Mots clés- Radiofrequences, Réseau de neurones
Radiofrequency, Réseau de neurones**Description du sujet**:

- L'objectif est de réaliser une véritable rupture dans le domaine de l'Internet des objets par une nouvelle approche inspirée de la biologie. Cette approche, dont les premières preuves de concept sont déjà validées, sera réalisée sur la base d'un nœud technologique CMOS à maturité industrielle. Les objectifs principaux sont de modéliser sous python, d'optimiser et de réaliser un système neuromorphique à ultra faible consommation énergétique (1000 fois meilleure que les technologies existantes) avec l'appui des ingénieurs conception CMOS du groupe CSAM. Le système visé sera complétement intégré (SoC - System-on-Chip) et de très faible encombrement (quelques mm²). Ce SoC présentera toutes les fonctionnalités d'un capteur communicant, lequel pourra développer, grâce à un apprentissage réalisé à l'aide d'une IA de 3ème génération (réseau de neurones à impulsion), des fonctions cognitives telles que la reconnaissance et classification de stimuli issus de différentes modalités perçues par le capteur dans son environnement immédiat (Edge-computing). Après classification, ses fonctions lui permettront de transmettre uniquement les données pertinentes vers le cloud et éviter ainsi la congestion des fréquences de l'IOT induite par la transmission aveugle de données entre capteurs.

The objective is to create a true breakthrough in the field of the Internet of Things (IoT) through a new biology-inspired approach. This approach, whose initial proofs of concept have already been validated, will be based on a CMOS technology node at an industrial maturity level. The main goals are to model in Python, optimize, and develop a neuromorphic system with ultra-low power consumption (1000 times better than existing technologies) with the support of CMOS design engineers from the CSAM group. The targeted system will be fully integrated (SoC - System-on-Chip) and have a very small footprint (a few mm²). This SoC will offer all the functionalities of a communicating sensor, which will be able to develop cognitive functions such as the recognition and classification of stimuli from different modalities perceived by the sensor in its immediate environment (Edge computing) through learning using third-generation AI (spiking neural network). After classification, its functions will allow it to transmit only relevant data to the cloud, thus avoiding IoT frequency congestion caused by the blind transmission of data between sensors

Début de la thèse : 01/12/2024**Nature du financement**:
**Précisions sur le financement**:

- Financement d'un établissement public Français**Présentation établissement et labo d'accueil**:

- Université de Lille**Etablissement délivrant le doctorat**:

- Université de Lille**Ecole doctorale**:

- 632 ENGSYS Sciences de l'ingénierie et des systèmes- Modélisation IA sous python et/ou conception CMOS Cadence
AI modelisation with python environment or/and CMOS design-
- 15/10/2024