- Accueil
- DEEPGREEN 2024
DEEPGREEN 2024
L'apprentissage automatique de réseaux de neurones profonds (Deep Learning) a déclenché une récente révolution technologique. Pourtant le caractère disruptif et la nature statistique (guidée par les données) de ces méthodes mettent en difficulté son usage dans les systèmes critiques, soumis à une régulation et à des exigences de développement importantes - c'est le cas particulier de l'aéronautique. En s'agissant des systèmes embarqués, s'ajoutent des contraintes liées aux limitations de mémoire, puissance de calcul et dissipation d'énergie. En raison du potentiel énorme de ces solutions, les communautés académique et industrielle s'investissent, d'un coté à faire évoluer les normes de certification logicielle pour les adapter à ce nouveau paradigme, et de l'autre côté cherchent à développer des bonnes pratiques, des méthodologies fiables, et des garanties formelles qui puissent être appliquées à ce type de solution.
Le projet DeepGreen s'inscrit dans ce contexte en développant AIDGE, une plateforme ML indépendante et souveraine dédiée à l'IA embarquée, en alliant compétitivité, confiance et frugalité.
L'objectif est tant de permettre la conception des réseaux de neurones profonds performants, efficients et fiables, qui tiennent compte de l’environnement contraint pour lequel ils sont destinés, comme de faciliter la démarche de certification, d'une part en garantissant la transparence, la traçabilité, le déterminisme et la reproductibilité de toute opération, de l'apprentissage, passant par les optimisations, l'adéquation à la cible matérielle, jusqu'à la transformation en code source, et d'une autre part en associant un cycle d'activités au projet de développement ML synchronisé avec les objectifs de certification donnés, permettant de générer des analyses, artefacts et documents pour la certification.
Un des volets du projet DeepGreen consiste justement en approcher la certification de solutions ML pour l'aéronautique critique embarqué, en tenant compte des spécificités du domaine, et des exigences demandées par l'EASA. En particulier deux cas d'usage ont été choisis pour l'exercice: le système anti-collision pour les drones (ACAS-Xu) et l'identification de la piste d'atterrissage sur image (VBL).
Cette journée de workshop à l'ONERA Toulouse, sera l’occasion de présenter l’ensemble de ces travaux et d'échanger sur cette thématique.
- Faire un point sur l’avancement des discussions concernant la certification de solutions logicielles issues du machine learning (ML)
- Présenter l'activité DeepGreen sur cette thématique (présentation du projet, démonstration de la plateforme aidge, pistes de réflexion sur comment l'outil peut aider dans la démarche de certification)
- Ce sera l'occasion pour les partenaires travaillant dans des projets connexes (Confiance.AI, DEEL, etc.) de présenter également leurs avancées, et de créer une synergie positive d'échange entre ces différentes initiatives.
Le programme mis en ligne prochainement.
Participation uniquement sur invitation - Inscription obligatoire - places limitées