Projet de recherche doctoral numero :8465

Date depot: 22 mars 2023
Titre: Study of spiking neural network inspired by the biological cortex using nonlinear RF devices
Directeur de thèse: Aziz BENLARBI-DELAÏ (GeePs (EDITE))
Encadrant : Siqi WANG (GeePs (EDITE))
Domaine scientifique: Sciences et technologies de l'information et de la communication
Thématique CNRS : Systèmes et architectures intégrés matériel-logiciel

Resumé: Ce travail s'inscrit dans le cadre des activités de recherche menées au sein de l’unité GeePs UMR 8507 sur les circuits neuromorphiques à faible consommation, et leur extension au réseau de l'intelligence artificielle. Les travaux menés sur ce thème visent à analyser le traitement de l'information par des réseaux de neurones impulsionnels (SNN) inspirés des neurones biologiques. La capacité de calcul d'un SNN provient principalement de la fonction d'activation non linéaire des neurones. Les dispositifs radiofréquence (RF) présentent également différentes non-linéarités, qui peuvent sous certaines conditions mimer le comportement des neurones soumis à différentes sollicitations. Dans ce contexte, un réseau intelligent de dispositifs RF peut être établi grâce aux techniques SNN, permettant d’assurer simultanément une autonomie de décision et une autonomie d’énergie. L'originalité et l'ambition de cette thèse sont : - Proposer un nouveau concept de réseau intelligent de dispositifs RF basé sur des réseaux de neurones sans fil. - Explorer les canaux sans fil pour la transmission d'informations entre les neurones des dispositifs RF. - Améliorer la formation du SNN pour une meilleure précision et une meilleure correspondance avec les propriétés physiques des dispositifs RF. Certaines études sur la similarité entre la non-linéarité des dispositifs RF et les neurones à spikes ont déjà été étudiées et explorées au sein de GeePs pour l'évaluation des techniques proposées. Plusieurs algorithmes et modèles comportementaux ont été proposés et évalués récemment et ont fait l'objet de publications internationales. Les objectifs de ce projet sont donc échelonnés sur quatre niveaux : - Étude théorique approfondie sur le traitement de l'information par les réseaux de neurones. - Exploitation de techniques efficaces pour convertir un signal analogique en train de spikes directement utilisable dans le SNN. - Analyse des performances du SNN dans le traitement du signal de différentes fréquences sous les contraintes imposées par les dispositifs RF. - Mise en place d'un banc hardware-in-the-loop (HIL) pour traiter le signal radiofréquence (RF) avec un réseau intelligent de dispositifs RF en temps réel.

Résumé dans une autre langue: This work is part of the research activities carried out within GeePs UMR 8507 on low-power neuromorphic circuits and their extension to the artificial intelligence network. The work carried out on this theme aims to analyze the processing of information by spiking neural networks (SNN) inspired by biological neurons. The computing capacity of an SNN mainly comes from the nonlinear activation function of neurons. Radiofrequency (RF) devices exhibit different nonlinearities, which can behave as neurons. Within this context, a smart network of RF devices can be established thanks to the SNN techniques, which enable decision autonomy and power autonomy. The originality and ambition of this thesis are: - Proposing a new concept of a smart network of RF devices based on wireless neural networks. - Exploring the wireless channels for information transmission among RF device neurons. - Improving the training of the SNN for better accuracy and better matching with the physical properties of the RF devices. Some studies on the similarity between the nonlinearity of RF devices and spiking neurons have been studied and explored at GeePs for the evaluation of the proposed techniques. Several algorithms and behavioral models have been proposed and evaluated recently and have been the subject of international publications. The objectives of this project are, therefore, four-fold: - In-depth theoretical study on information processing by neural networks. - Exploitation of effective techniques to modulate an analog signal to spikes in the SNN. - Performance analysis of the SNN in the processing of the signal of different frequencies under the constraints imposed by the RF devices. - Establishment of a hardware-in-the-loop (HIL) bench to process the radiofrequency (RF) signal with a smart network of RF devices in real time.