Soutenance de thèse : Guillaume MARTHE

Neurones à impulsion pour les communications sans fil

Doctorant : Guillaume MARTHE

Laboratoire INSA : CITI

École doctorale : ED 160 : EEA (Electronique, Electrotechnique, Automatique)

Dans le contexte de l’Internet des Objets, l’un des plus grands défis réside dans la gestion énergétique. Les radios à réveil (Wake-up Radio) permettent aux dispositifs de rester en veille tout en consommant très peu d’énergie, se réveillant uniquement lors de la réception de signaux spécifiques.Dans cette thèse, nous proposons d’utiliser les réseaux de neurones à impulsions (SNNs) comme Wake-up Radio (WuR). Le rôle du réseau de neurones sera de reconnaître la séquence d’activation du noeud concerné dans un flux de bits, afin de le réveiller. Nous présentons tout d’abord les hypothèses et modèles de neurones, de réseau et de signaux utilisés pour notre étude. La première contribution est de montrer la pertinence de ces réseaux. Notre seconde contribution a été l’étude et la proposition du modèle Saturating Leaky Integrate and Fire pour le conception d’une WuR. Dans cette partie, nous proposons d’utiliser un phénomène bio- inspiré appelé Interaction Synaptique afin de produire un filtre temporel dépendant de l’Inter-Spike Timing. Nous étudions les paramètres de ce modèle afin de comprendre comment adapter cette plage d’Inter-Spike Timings. L’originalité de cette contribution est de proposer un nouveau moyen d’utiliser des séquences temporelles dans le domaine de l’analogique. Par la suite, différentes topologies de réseaux de neurones Saturating Leaky Integrate and Fire (SLIF) ont été explorées, notamment une topologie en ligne, en losange et réseau multi-couches, afin de comprendre comment le réseau répond aux séquences d’impulsions. Cette thèse établit ainsi les bases pour des recherches futures sur l’utilisation des réseaux neuromorphiques dans les dispositifs Internet des Objets (IoT) à faible consommation d’énergie, notamment dans les WuR. Les travaux accomplis ouvrent la voie à la conception de réseaux de neurones capables de traiter des signaux temporels complexes tout en maximisant l’efficacité énergétique, répondant ainsi aux exigences des applications IoT.