Accélérer l’IA embarquée grâce au calcul en mémoire à base de FeFET
Description du projet
Thématiques de recherche : Intelligence artificielle embarquée; calcul en mémoire; mémoires émergentes (FeFET); conception de circuits analogiques et mixtes; microélectronique
L’IA embarquée exige des architectures à faible consommation capables de traiter les données localement. Les approches actuelles sont freinées par les transferts répétés entre la mémoire et les unités de calcul.
Ce projet vise à concevoir, modéliser, simuler et caractériser une architecture de calcul en mémoire basée sur des matrices de transistors FeFET, pour accélérer l’inférence d’un réseau de neurones convolutif (CNN). Les circuits seront fabriqués par une fonderie dans le cadre d’un programme MPW, puis validés expérimentalement et comparés à une référence numérique. Le projet est mené en collaboration avec l’entreprise Irréversible.
Rôle de l'étudiante ou de l'étudiant
- Définir l’architecture matérielle du CNN, la représentation des poids et le partitionnement des couches dans les matrices FeFET.
- Développer des modèles SPICE ou Verilog-A des FeFET (programmation analogique, non-idéalités).
- Concevoir les cellules mémoire, matrices MAC et circuits périphériques.
- Simuler précision, énergie, latence, débit et surface, en tenant compte de la variabilité, du bruit, de la rétention et de l’endurance.
- Préparer les blocs de test pour la fabrication MPW, développer le banc de mesure et caractériser les circuits.
- Exécuter un CNN à partir des données mesurées et comparer aux simulations.
Direction de recherche
Dominique Drouin, professeur au Département de génie électrique et de génie informatique, UdeS
Domaines d'expertise :
- Microélectronique;
- Nanofabrication;
- Mémoires non volatiles;
- Calcul neuromorphique;
- Électronique cryogénique;
- Assemblage microélectronique
Candidatures recherchées
Niveaux d'études : Maîtrise et Doctorat
Sessions d'entrée : Hiver 2027
Compétences :
- Formation en génie électrique, génie informatique, microélectronique ou physique appliquée.
- Intérêt pour la conception analogique ou mixte, le calcul en mémoire, les mémoires émergentes et les accélérateurs d’IA.
- Rigueur, autonomie, travail d’équipe et communication en français ou en anglais.
Atouts considérés :
Maîtrise d’outils comme Cadence, SPICE, Verilog-A, VLSI, Python, PyTorch ou TensorFlow, et expérience en caractérisation électrique.
Lieu principal de réalisation
3IT – Institut interdisciplinaire d’innovation technologique, Université de Sherbrooke
Unité d'attachement au projet : Département de génie électrique et de génie informatique, Faculté de génie, Université de Sherbrooke
Financement disponible
À discuter
Principaux avantages du projet
- Conception d’un vrai circuit intégré, fabriqué en fonderie et caractérisé par la personne étudiante
- Collaboration avec l’entreprise Irréversible
- Parcours complet, du modèle de dispositif jusqu’à la démonstration d’inférence d’un réseau de neurones
- Accès aux infrastructures de microélectronique du 3IT
Pourquoi choisir ce projet?
Pour travailler sur l’un des grands défis de l’IA : réduire la consommation d’énergie des puces. Le projet permet de développer des compétences recherchées en conception de circuits et en accélérateurs d’IA, avec un circuit fabriqué et testé à la clé.
Milieu de recherche
Le projet est réalisé principalement au 3IT, institut unique au Canada dédié à la recherche et au développement de technologies innovantes en énergie, électronique, robotique et santé. La personne recrutée travaille sous la direction du Pr Dominique Drouin, en collaboration avec l’équipe d’Irréversible.