Utilisation des nano-composants électroniques dans les architectures de traitement associées aux imageurs
Auteur / Autrice : | David Roclin |
Direction : | Jacques-Olivier Klein |
Type : | Thèse de doctorat |
Discipline(s) : | Physique |
Date : | Soutenance le 16/12/2014 |
Etablissement(s) : | Paris 11 |
Ecole(s) doctorale(s) : | Ecole doctorale Sciences et Technologies de l'Information, des Télécommunications et des Systèmes (Orsay, Essonne ; 2000-2015) |
Partenaire(s) de recherche : | Laboratoire : Institut d'électronique fondamentale (Orsay, Essonne ; 19..-2016) - Laboratoire d'intégration des systèmes et des technologies (Gif-sur-Yvette, Essonne ; 2001-....) |
Jury : | Président / Présidente : Lionel Torres |
Examinateurs / Examinatrices : Jacques-Olivier Klein, Lionel Torres, Bertrand Granado, Jean-Michel Portal, Olivier Bichler, Hervé Fanet, Christian Gamrat | |
Rapporteurs / Rapporteuses : Bertrand Granado, Jean-Michel Portal |
Résumé
En utilisant les méthodes d’apprentissages tirées des récentes découvertes en neuroscience, les réseaux de neurones impulsionnels ont démontrés leurs capacités à analyser efficacement les grandes quantités d’informations provenant de notre environnement. L’implémentation de ces circuits à l’aide de processeurs classiques ne permet pas d’exploiter efficacement leur parallélisme. L’utilisation de mémoire numérique pour implémenter les poids synaptique ne permet pas la lecture ou la programmation parallèle des synapses et est limité par la bande passante reliant la mémoire à l’unité de calcul. Les technologies mémoire de type memristive pourrait permettre l’implémentation de ce parallélisme au coeur de la mémoire.Dans cette thèse, nous envisageons le développement d’un réseau de neurones impulsionnels dédié au monde de l’embarqué à base de dispositif mémoire émergents. Dans un premier temps, nous avons analysé un réseau impulsionnel afin d’optimiser ses différentes composantes : neurone, synapse et méthode d’apprentissage STDP en vue d’une implémentation numérique. Dans un second temps, nous envisageons l’implémentation de la mémoire synaptique par des dispositifs memristifs. Enfin, nous présentons le développement d’une puce co-intégrant des neurones implémentés en CMOS avec des synapses en technologie CBRAM.