Sous l’égide du Commissariat à l’énergie atomique et aux énergies alternatives (CEA) — et plus particulièrement du LIST — la Matrice SI a été créée, associant 42 et l’école de design Strate. Pendant plus de 5 mois, les étudiants des deux écoles ont collaborés avec les chercheurs du CEA LIST, afin de proposer des démonstrateurs simples d’accès et techniquement compréhensibles.

Partenaires SILe LIST travaille sur des systèmes intelligents : réseaux de neurones, technologies de reconnaissance d’images, systèmes d’expression automatique de règles. Les étudiants ont donc été plongés dans un univers complexe, qu’ils ont réussi à appréhender et intégrer, grâce à l’accompagnement de toute l’équipe MATRICE.

 

Alors que les innovations numériques accélèrent les innovations dans le domaine de la recherche, de nombreux concepts scientifiques deviennent de plus en plus difficiles à saisir pour un public non initié. Pourtant, et c’est tout l’enjeu de ce projet, les générations de chercheurs ont besoin d’ouvrir leurs champs d’interaction et d’expérimentation, notamment auprès des jeunes, du grand public et d’investisseurs potentiels. Trouver de nouveaux canaux de médiation et de diffusion devient essentiel pour permettre aux chercheurs de collaborer et d’interagir avec de nouveaux publics.

Transformer des mathématiques appliquées en démonstrateurs

L’objectif de cette Matrice était donc de donner à voir des procédés technologiques avancés à travers des scénarios d’usage permettant de les faire fonctionner et donc d’entrer dans une réalité industrielle ou concrète.

Quatre technologies étaient concernées : la reconnaissance automatisée d’images, la création accélérée de réseaux de neurones, les règles floues et le monitoring de dispositifs complexes.

Un travail de terrain en collaboration avec des chercheurs du CEA et les équipes de valorisation de la recherche a permis aux 4 équipes projets de mettre en place des démonstrateurs numériques et physiques, appuyés sur des scénarios créatifs et accessibles.

techdayLIST

 

Les 4 démonstrateurs fonctionnels ont été présentés lors des TechDays 2017 du CEA LIST auxquels étaient conviés de nombreux acteurs économiques.

 

 

ARTIMON, un jeu de simulation pour des mathématiques appliquées interactives

Le démonstrateur de la technologie Artimon fait fonctionner cette technologie sur un jeu vidéo créé pour l’occasion. Il permet de projeter des militaires sur un terrain pour une quête, et de recevoir, par l’intermédiaire d’un bracelet connecté des informations sur l’état des troupes (temps d’activité, fatigue, faim…).
Au-delà de ce cas, l’idée est de pouvoir créer des paramètres multiples d’alerte sur une activité et de pouvoir les gouverner tous. Les applications dans le bâtiment intelligent ou la voiture connectée sont nombreux.

N2D2, l’interface qui reconstruit visuellement l’architecture des réseaux neuronaux

Issue de dix années de recherches mené es au CEA, la plateforme Neural Network Design and Deployment (N2D2) favorise la création accélérée de réseaux de neurones pour des utilisations diverses. Le démonstrateur réalisé a consisté en une interface ergonomique permettant cette construction rapide.

Démonstrateurs

EXPRESSIF, un moteur d’aide à la décision

ExpressIF est un moteur d’aide à la décision qui utilise un système expert dit d’expression de règles floues. Le but est de pouvoir programmer des actions dans un mode non binaire (oui / non), mais en prenant en compte différents paramètres et en les pondérant. Par ailleurs, Expressif propose de s’affranchir de la formulation mathématique qui sous-tend la décision pour donner un accès plus simple à la construction des règles. Les étudiants ont développé une table interactive connectée, sur laquelle il est possible de poser des objets afin d’observer le comportement d’ExpressIF en fonction des règles définies pour ces objets.

ELISE, un outil de reconnaissance d’objet hybride

ELISE est un outil de reconnaissance d’objets hybrides à partir de gigantesques bases d’images (100 millions). Il associe au sein d’une même architecture de la reconnaissance de catégories (par exemple : avion) et d’instances (par exemple : A380). La reconnaissance est permise par un apprentissage automatisé doublé d’une capacité d’annotation et de recherche des images de manière très précise et rapide.

Les commentaires sont fermés.

Propulsé par WordPress.com.

Retour en haut ↑

%d blogueurs aiment cette page :