Réseaux neuronaux liquides à base d'oscillateurs verrouillés par injection pour une intelligenc[...]

Description du sujet de thèse

Les architectures neuromorphiques actuelles, bien que plus efficaces grâce au in-memory computing, restent limitées par la densité extrême en poids et interconnexions, rendant leur implémentation matérielle complexe et coûteuse. Les Liquid Neural Networks (LNN), introduits par le MIT au niveau algorithmique, offrent une rupture : des neurones dynamiques à temps continu capables d’ajuster leurs constantes internes selon le signal reçu, réduisant drastiquement le nombre de paramètres nécessaires. L’objectif de la thèse est de transposer les algorithmes des LNN au niveau circuit, en développant des cellules analogiques très faible consommation à base d’oscillateurs, réalisant le calcul neuronal dans le domaine temporel et reproduisant la dynamique liquide, puis en les interconnectant dans une architecture stable et récurrente afin de viser des applications d’IA générative. Un démonstrateur silicium sera conçu et validé, ouvrant la voie à une nouvelle génération de systèmes neuromorphiques liquides pour l'Edge AI.

Domaine

Défis technologiques

Sujets de thèse

Réseaux neuronaux liquides à base d'oscillateurs verrouillés par injection pour une intelligence embarquée générative

Contrat

Thèse

Université / école doctorale

Electronique, Electrotechnique, Automatique, Traitement du Signal (EEATS)Université Grenoble Alpes

Site

Grenoble

Critères candidat

Formation recommandée : Intelligence artificielle + compétences en électronique

Disponibilité du poste

01/10/2026

Personne à contacter par le candidat

Mona EZZADEEN CEADRT/DCOS//LGECA17 rue des martyrs38000 Grenoble

Tuteur / Responsable de thèse

Fré̈nck BADETS CEADRT/DCOS//LGECA17 rue des Martyrs38054 Grenoble