Acronyme:

SAFETY OF NEURAL NETWORKS

Nom long:

Domaine:

Aéronautique

Institution:

Université de Perpignan

Description:

L’intelligence artificielle est partout aujourd’hui et elle perturbe notre quotidien. Cette technologie se développe à grande vitesse et ses cas d’utilisation se multiplient dans tous les secteurs, notamment dans l’aéronautique et la défense. Un réseau de neurones artificiels est un matériel informatique ou un système logiciel qui fonctionne de manière similaire aux neurones du cerveau humain. L’aéronautique avec une grande quantité de données utilise la méthode d’apprentissage en profondeur, qui est une méthode où la machine peut apprendre par elle-même. Pour ce faire, le réseau de neurones est composé de dizaines, voire de centaines de couches de neurones, dont chacune reçoit et interprète les informations de la couche précédente. L’un des défis est d’interpréter des images aériennes et satellitaires, par exemple, pour suivre l’occupation du plancher, détecter les véhicules, identifier la direction que prennent ces véhicules. L’un des défis est d’interpréter des images aériennes et satellitaires, par exemple, pour suivre l’occupation du plancher, détecter les véhicules, identifier la direction que prennent ces véhicules.

Cependant, ils ont trouvé des erreurs dans les résultats. De la propulsion à la conception de la forme des avions en passant par le développement de matériaux composites, le domaine aérospatial se caractérise également par des exigences strictes et une certification minutieuse pour assurer la sécurité et la durabilité des systèmes de vol. Ce degré de sécurité doit également se retrouver dans les systèmes d’intelligence artificielle en général et dans les réseaux de neurones en particulier.

L’objectif du projet est de garantir la fiabilité des réseaux de neurones dans le domaine aérospatial. Il existe une demande des entreprises aéronautiques, spatiales et de défense.

Les deux partenaires se spécialisent en intelligence artificielle et plus précisément dans la fiabilité des calculs et la validité des réseaux de neurones. Ils ont déjà collaboré à des projets similaires, par exemple dans le secteur automobile. Techniquement, il s’agit d’assurer la validité des réponses produites par de grands réseaux d’interpolation ou de classification en dehors de vos points d’apprentissage. Pour cela, des techniques développées dans le cadre de l’analyse de programmes statiques sont utilisées. Les nouveaux partenaires complèteront le consortium en termes de cas d’utilisation, ainsi que de méthodes de validation, d’optimisation ou de portabilité vers des architectures de réseaux de neurones exotiques.

Hypothèse:

Les hypothèses de travail ont été définies conjointement avec les laboratoires de recherche.

Sur la base du problème, il cherche:

  • Assurer la sécurité des réseaux de neurones dans les applications critiques:
  • Dans toutes les configurations possibles
  • Pour des ensembles d’entrées réalistes

Optimisez les implémentations NN pour accueillir les systèmes embarqués avec des ressources limitées:

  • Optimiser la disposition de la mémoire
  • Optimiser le temps d’exécution au moment de l’exécution

Objectifs:

Le plan d’action vise à répondre à une problématique qui se pose dans le domaine de l’aéronautique et de la défense. La fiabilité des réseaux de neurones est nécessaire au bon fonctionnement de l’appareil. L’industrie aérospatiale nécessite une certification minutieuse et très précise pour garantir la sécurité des aéronefs. L’objectif serait de développer des outils de validation pour l’analyse NN, ainsi que d’optimiser les implémentations NN pour les systèmes embarqués.

  • Outils de validation pour l’analyse NN
  • Analyse statique, analyse dynamique
  • Déterminez les pires réponses
  • Impact de l’arithmétique informatique
  • Modèle d’entrée
  • Optimisation des implémentations NN pour les systèmes embarqués
  • Optimisation de la mémoire (réduction de la mémoire)
  • Temps d’exécution (parallélisation, optimisation)
  • Précision numérique réduite sans changer de comportement