Séminaire du CIMMUL – Jean Rouat

Algorithmes neuromorphiques et exemples d’applications pour l’IA en périphérie

Neuromorphic Algorithms and examples for Edge & Embedded IA Applications

Jean Rouat
Professeur associé
Université de Sherbrooke

Résumé
Les notions de base du calcul neuromorphique seront présentées. Certaines caractéristiques du cerveau – prises en compte dans le développement d’algorithmes pour l’IA embarquée et en périphérie seront décrites. Puis, des implémentations et résultats d’algorithmes pour la conversion de signaux en décharges neuronales, pour l’analyse et la classification de signaux seront présentées. Des  comparaisons de performance et de consommation sur le processeur neuromorphique Loihi2 d’Intel Inc. seront rapportées.
Les résultats indiquent que les implémentations d’algorithmes neuromorphiques sur processeurs dédiés offrent un très grand potentiel en IA embarquée et périphérique, tout en ouvrant la possibilité de développer de nouvelles techniques d’apprentissage non supervisées. On observe – pour les applications en périphérie étudiées – qu’il est possible d’obtenir des résultats comparables ou supérieurs à l’état de l’art en apprentissage profond tout en réduisant considérablement la consommation électrique requise ainsi que la taille des réseaux de neurones.

Basis of neuromorphic computing will be presented. Then, some characteristics of the brain  will be described and used in the development of algorithms for embedded and peripheral AI. Implementations and results of algorithms for signals to spikes encoding, for signal analysis and classification will be presented. Performance and power consumption comparisons on Intel Inc.’s Loihi2 neuromorphic processor will be reported.
Results show that implementations of neuromorphic algorithms on dedicated processors offer great potential in embedded and edge AI, while opening up the possibility of developing new unsupervised learning techniques. For the studied peripheral applications, it is possible to achieve results comparable to or better than the state-of-the-art in deep learning, while considerably reducing the required power consumption and size of neural networks.

___

Biography
Prof. Rouat is Adjunct Professor, Université de Sherbrooke and a Full Member at Centre for Interdisciplinary Research in Music Media and Technology, the Schulich School, McGill U. With over 30 years of experience in artificial intelligence, he specialized into neuromorphic computing, a field that aims to develop ultra-low power solutions for AI applications with minimal ecological impact. Hi goal is to foster technological transfers that leverage the potential of neuromorphic computing for sustainable and green AI within the Quebec and Canadian context.
His core competencies include neuromorphic engineering, unsupervised learning, and sensory processing. With his team, he developed plastic or unsupervised learning rules for spiking neural networks for audio, visual, and time series processing. He also applied these techniques to various domains, such as real-time audio watermarking and protection, multimodal scene analysis and recognition, sources and interference separation systems for robotics, and noninvasive intelligent sensory substitution prostheses for audition and vision. His translational research links neuroscience and engineering for the creation of new technologies that enhance human capabilities and well-being.

_

Le séminaire aura lieu au local 3860 du pavillon Alexandre-Vachon et en ligne.

Pour rejoindre la réunion Zoom :
https://ulaval.zoom.us/j/62680136430?pwd=eldBYjdNTG5QR2VxTTFqbVM4UGVRZz09

Meeting ID: 626 8013 6430
Passcode: 693150