Doctorant F/H Etude d'architectures matérielles d'accélérateurs matériels de niveau de neurones distribués sur des pucettes

Télécharger l'offre au format PDF

Type de contrat : CDD

Niveau de diplôme exigé : Bac + 5 ou équivalent

Fonction : Doctorant

Niveau d'expérience souhaité : Jeune diplômé

A propos du centre ou de la direction fonctionnelle

Le Centre Inria de l’Université Grenoble Alpes, regroupe un peu moins de 450 personnes réparties au sein de 26 équipes de recherche et 9 services support à la recherche.

Son effectif est distribué sur 3 campus à Grenoble, en lien étroit avec les laboratoires et les établissements de recherche et d'enseignement supérieur (Université Grenoble Alpes, CNRS, CEA, INRAE, …), mais aussi avec les acteurs économiques du territoire.

Présent dans les domaines du calcul et grands systèmes distribués, logiciels sûrs et systèmes embarqués, la modélisation de l’environnement à différentes échelles et la science des données et intelligence artificielle, le Centre Inria de l’Université Grenoble Alpes participe au meilleur niveau à la vie scientifique internationale par les résultats obtenus et les collaborations tant en Europe que dans le reste du monde.

Contexte et atouts du poste

Dans le cadre du projet CAMELIA (stratégie nationale pour

l'IA), l'équipe MADMAX cherche à recruter un doctorant en architecture

matérielle pour la conception de circuits numériques d'accélération de

charge de travail en IA.

L’ objectif est

d'étudier la conception d'accélérateurs matériels physiquement

distribués sur des pucettes, avec des problématiques de partitionnement, d'ordonnancement, d'optimisation et d'implantation matérielle. 

 
 
 

 

 

Mission confiée

Missions :

Recherche, développement de prototypes et démonstrateurs, publication des résultats.

 

Pour une meilleure connaissance du sujet de recherche proposé :

2020-06 - Ultra Low-latency, Low-area Inference Accelerators using Heterogeneous Deep Quantization with QKeras and hls4ml

2021-05 FCCM - unzipFPGA_ Enhancing FPGA-based CNN Engines with On-the-Fly Weights Generation

2020-11 ICFPT - Memory-Efficient Dataflow Inference for Deep CNNs on FPGA

2024-08 - H2PIPE High Throughput CNN Inference on FPGAs with High-Bandwidth Memory

2023-03 - FlexCNN_ An End-to-end Framework for Composing CNN Accelerators on FPGA

 

Collaboration :

La thèse se déroulera dans le contexte d'un projet national, ce qui induit des collaborations avec l'ensemble des membres du projets. 

 

Principales activités

Principales activés :

- Analyse de l'état de l'art, et ce durant la totalité des 3 ans de thèse
- Recherche de solutions, d'un point de vue théorique et pratique
- Implantation et évaluation des solutions
- Rédaction de publications.

Compétences

Compétences techniques et niveau requis :

- Expert en RTL, FPGA et plus globalement architecture matérielle 

- Langues : Anglais

Avantages

  • Restauration subventionnée
  • Transports publics remboursés partiellement
  • Congés: 7 semaines de congés annuels + 10 jours de RTT (base temps plein) + possibilité d'autorisations d'absence exceptionnelle (ex : enfants malades, déménagement)
  • Possibilité de télétravail (après 6 mois d'ancienneté) et aménagement du temps de travail
  • Équipements professionnels à disposition (visioconférence, prêts de matériels informatiques, etc.)
  • Prestations sociales, culturelles et sportives (Association de gestion des œuvres sociales d'Inria
  • Accès à la formation professionnelle
  • Participation employeur mutuelle santé et prévoyance (sous conditions)

Rémunération

2300 euros brut /mois