Canada Spends Logo

Explorez notre analyse du budget 2026

Grant: Discovery Grants Program - Individual

École Polytechnique de Montréal

$56,000.00

Du réseau de neurones au circuit logique et réciproquement : le meilleur des deux mondes

EF 2023-24

Résumé
Au cours des dernières années, les performances des réseaux de neurones artificiels (RNA) se sont grandement améliorées, notamment grâce aux réseaux de neurones profonds (RNP). On peut même penser que le monde est à l'aube d'une révolution majeure : après avoir remplacé les compétences mécaniques de l'être humain par des machines, ce sont maintenant ses compétences intellectuelles que l'être humain veut déléguer à des machines. Toutefois, les réseaux de neurones nécessitent énormément de calculs, de mémoire, et consomment beaucoup d'énergie électrique, ce qui est un obstacle majeur à leur déploiement dans les systèmes autonomes. De plus, de nombreuses questions scientifiques restent ouvertes, au point que présentement, concevoir une application dans le domaine de l'intelligence artificielle (IA) relève presqu'autant de l'Art que de la Science. Alors que la plupart des RNA utilisent des paramètres en virgule flottante ou en virgule fixe, nous avons montré que, sous certaines conditions, des paramètres purement binaires permettent d'atteindre des résultats similaires. Le programme de recherche proposé vise à augmenter la compréhension que nous avons des RNP binaires (RNPB) à la lumière de la science existante en matière de synthèse de circuits logiques combinatoires (CLC). Il se fonde notamment sur les observations suivantes : (1) Tout RNA peut s'implanter au moyen d'un CLC. (2) Toute fonction logique peut s'implanter au moyen d'un RNA. (3) Les RNA et les fonctions logiques peuvent tous deux s'implanter au moyen de deux couches successives mais les systèmes les plus efficaces en utilisent généralement beaucoup plus. Les fruits de ce programme de recherche seront une meilleure connaissance et une meilleure compréhension des RNPB et des CLC ainsi que des manières efficientes de les implanter. Bien qu'il ait déjà été démontré que les FPGA (Field Programmable Gate Array) sont efficients pour implanter des RNP, nous prévoyons qu'ils le seront davantage encore pour les RNPB, qui sont intrinsèquement plus proches de la structure des FPGA. Il en résultera des implantations plus rapides, moins énergivores et qui demanderont moins de mémoire. En termes de retombées, au-delà des aspects purement scientifiques, les enjeux sont d'ordre économique (coût des circuits et coût de l'énergie pour les faire fonctionner, notamment dans les centres de données), technique (puissance des algorithmes que l'on peut implanter sur une puce et réduction des temps de calcul), social (une implantation efficace permettra une démocratisation de l'IA dans les dispositifs portables, les transports, la médecine .) et même environnemental (réduction de la consommation d'énergie et réutilisation des mêmes circuits pour diverses tâches). Le Canada bénéficiera grandement de ces recherches qui l'aideront à maintenir son rôle de chef de file dans le domaine de l'IA, en particulier à Montréal, pôle de compétitivité de l'IA.
Programme
Discovery Grants Program - Individual
Emplacement
Quebec, Canada
Type de bénéficiaire
Academia
Type
Grant
Source
NSERC's Awards Data

Tel que publié

Application id
RGPIN-2019-05166
Name nom
David, Jean Pierre
Department département
génie électrique
Organization id
64
Institution établissement
École Polytechnique de Montréal
Province en
Québec
Province fr
Québec
Country en
CANADA
Country fr
CANADA
Fiscal year exercice financier
2023
Competition year année de concours
2019
Award amount
56000
Program id
RGPIN
Program name en
Discovery Grants Program - Individual
Program name fr
Programme de subventions à la découverte - individuelles
Group en
DISCOVERY RESEARCH
Group fr
RECHERCHE AXÉE SUR LA DÉCOUVERTE
Committee code
1510
Committee name en
Electrical and Computer Engineering
Committee name fr
Génie électrique et informatique
Area of application code
1207
Area of application group en
Advancement of knowledge
Area of application group fr
Avancement des connaissances
Area of application en
Information, computer and communication technologies
Area of application fr
Technologie de l'information, des ordinateurs et des réseaux de communications
Research subject code
2722
Research subject group en
Information technology
Research subject group fr
Vlsi systems
Research subject en
Technologie de l'information
Research subject fr
Systèmes intégrés à très grande échelle (VLSI)
Application title
Du réseau de neurones au circuit logique et réciproquement : le meilleur des deux mondes
Keyword
Circuits logiques; FPGA; Réseaux de neurones binaires; Réseaux de neurones convolutifs (CNN); Réseaux de neurones profonds (DNN); Synthèse de circuits; Systèmes programmables
Application summary
Au cours des dernières années, les performances des réseaux de neurones artificiels (RNA) se sont grandement améliorées, notamment grâce aux réseaux de neurones profonds (RNP). On peut même penser que le monde est à l'aube d'une révolution majeure : après avoir remplacé les compétences mécaniques de l'être humain par des machines, ce sont maintenant ses compétences intellectuelles que l'être humain veut déléguer à des machines. Toutefois, les réseaux de neurones nécessitent énormément de calculs, de mémoire, et consomment beaucoup d'énergie électrique, ce qui est un obstacle majeur à leur déploiement dans les systèmes autonomes. De plus, de nombreuses questions scientifiques restent ouvertes, au point que présentement, concevoir une application dans le domaine de l'intelligence artificielle (IA) relève presqu'autant de l'Art que de la Science. Alors que la plupart des RNA utilisent des paramètres en virgule flottante ou en virgule fixe, nous avons montré que, sous certaines conditions, des paramètres purement binaires permettent d'atteindre des résultats similaires. Le programme de recherche proposé vise à augmenter la compréhension que nous avons des RNP binaires (RNPB) à la lumière de la science existante en matière de synthèse de circuits logiques combinatoires (CLC). Il se fonde notamment sur les observations suivantes : (1) Tout RNA peut s'implanter au moyen d'un CLC. (2) Toute fonction logique peut s'implanter au moyen d'un RNA. (3) Les RNA et les fonctions logiques peuvent tous deux s'implanter au moyen de deux couches successives mais les systèmes les plus efficaces en utilisent généralement beaucoup plus. Les fruits de ce programme de recherche seront une meilleure connaissance et une meilleure compréhension des RNPB et des CLC ainsi que des manières efficientes de les implanter. Bien qu'il ait déjà été démontré que les FPGA (Field Programmable Gate Array) sont efficients pour implanter des RNP, nous prévoyons qu'ils le seront davantage encore pour les RNPB, qui sont intrinsèquement plus proches de la structure des FPGA. Il en résultera des implantations plus rapides, moins énergivores et qui demanderont moins de mémoire. En termes de retombées, au-delà des aspects purement scientifiques, les enjeux sont d'ordre économique (coût des circuits et coût de l'énergie pour les faire fonctionner, notamment dans les centres de données), technique (puissance des algorithmes que l'on peut implanter sur une puce et réduction des temps de calcul), social (une implantation efficace permettra une démocratisation de l'IA dans les dispositifs portables, les transports, la médecine .) et même environnemental (réduction de la consommation d'énergie et réutilisation des mêmes circuits pour diverses tâches). Le Canada bénéficiera grandement de ces recherches qui l'aideront à maintenir son rôle de chef de file dans le domaine de l'IA, en particulier à Montréal, pôle de compétitivité de l'IA.