SMART-DNN
Multi-criteria Automated Design of Deep Neural Networks
L’objectif est de créer un environnement de confiance permettant de répondre aux défis posés par l’intégration de l’intelligence artificielle dans les systèmes critiques.
L’embarquabilité de l'IA de confiance est un objectif important. Il permet de
- Garantir la conformité du modèle embarqué au modèle de développement
- Estimation des performances (temps d’exécution, énergie) d’un composant d’IA à partir de ses paramètres et de l’architecture hardware cible
- Identifier l’impact de faute matérielle sur le comportement des composants ML
- Exploitation des propriétés de régularité des algorithmes de ML sur les architectures hardwares hétérogènes
Le projet Smart-DNN rentre dans le cadre du projet ConfianceAi. Il est réalisé en coopération avec l’IRT systemX et l’université de Lille.
L’objectif est de créer un environnement de confiance permettant de répondre aux défis posés par l’intégration de l’intelligence artificielle dans les systèmes critiques.
Ce travail est réalisé en coopération avec l’IRT SystemX, Safran et Thales. Il vise en particulier à produire des modèles IA prédictifs pour estimer les attributs des modèles CNN au plus tôt dans la chaine de conception.
Le financement du projet comprend la thèse de doctorat de M. Houssem Ouartateni et un post-doc (en cours de recrutement) ainsi que 70k€ de contrat d’accompagnement.
Je suis co-porteur du projet avec le professeur El-ghazali Talbi (U. Lille). Ce projet a démarré en Juin 2022 et se termine en Décembre 2025.
| Département(s) | Partenaire(s) | Montant global |
|---|---|---|
|
170 k€
|
||
| Support principal | Rayonnement | Date(s) |
| France2030 | National |
2021 - 2024
|