Job Information
Organisation/Company: Institut interdisciplinaire d'innovation technologique - Université de Sherbrooke
Research Field: Engineering; Engineering » Electronic engineering; Technology » Materials technology
Researcher Profile: Recognised Researcher (R2); Leading Researcher (R4); First Stage Researcher (R1); Established Researcher (R3)
Application Deadline: 24 Nov 2026 - 22:00 (UTC)
Country: Canada
Type of Contract: Temporary
Job Status: Full-time
Offer Starting Date: 3 May 2027
Is the job funded through the EU Research Framework Programme? Not funded by a EU programme
Is the Job related to staff position within a Research Infrastructure? No
Offer Description
Contexte
L’IA embarquée exige des architectures à faible consommation capables de traiter les données localement. Les approches conventionnelles sont freinées par les transferts répétés entre mémoire et unités de calcul.
Sujet de recherche
Le projet vise à concevoir, modéliser, simuler et caractériser une architecture de calcul en mémoire basée sur des matrices de FeFET pour accélérer l’inférence d’un réseau de neurones convolutif (CNN) destiné à l’IA embarquée. Les dispositifs et circuits seront fabriqués par une fonderie dans le cadre d’un programme MPW, puis validés expérimentalement et comparés à une référence numérique.
Activités proposées
- 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, incluant la programmation analogique et les principales non-idéalités.
- Concevoir les cellules mémoire, matrices MAC et circuits périphériques nécessaires à la programmation, à la lecture et à l’accumulation.
- Simuler la précision, l’énergie, la latence, le débit et l’occupation silicium, en tenant compte de la variabilité, du bruit, de la rétention et de l’endurance.
- Préparer les blocs de test pour fabrication MPW, développer le banc de mesure et caractériser les circuits fabriqués.
- Exécuter un CNN en intégrant les données mesurées et comparer les résultats aux simulations et à une référence numérique.
Résultats attendus
- Architecture FeFET de calcul en mémoire conçue, simulée et validée pour l’exécution d’un CNN.
- Modèles de dispositifs et de circuits calibrés à partir des mesures expérimentales.
- Circuit intégré fabriqué en MPW, banc de caractérisation et démonstration d’inférence CNN.
- Évaluation quantitative de la précision, de l’énergie par inférence, de la latence et de la robustesse.
Funding category: Contrat doctoral
PHD title: génie électrique et informatique
PHD Country: Canada
Where to apply
Website: https://www.abg.asso.fr/fr/candidatOffres/show/id_offre/140657
Requirements
Specific Requirements
Profil recherché :
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.
Atouts : Cadence, SPICE, Verilog-A, VLSI, Python, PyTorch ou TensorFlow, caractérisation électrique.
Rigueur, autonomie, travail d’équipe et communication en français ou en anglais.
Work Location(s)
Number of offers available: 1
Company/Institute: Institut interdisciplinaire d'innovation technologique - Université de Sherbrooke
Country: Canada
City: Sherbrooke
Contact
Website: https://www.usherbrooke.ca/3it/fr
