PHD : Exploration probabiliste de l’espace de conception multi-objectifs pour les systèmes embarqués via des modèles de flux de données

L’exploration de l’espace de conception (DSE, Design Space Exploration) pour les systèmes embarqués est une tâche complexe, nécessitant des décisions logicielles (SW) telles que le placement et l’ordonnancement des tâches sur des processeurs hétérogènes, la synchronisation ou l’allocation mémoire. Ces choix doivent concilier des objectifs souvent contradictoires, comme la latence, le débit, l’efficacité énergétique et les garanties temps réel. La complexité est encore accrue dans les flux de co-conception, où les optimisations matérielles (HW) et logicielles (SW) s’influencent mutuellement.

Les outils de conception automatisée sont essentiels pour naviguer dans cette complexité. Les modèles de calcul par flux de données offrent une approche structurée, représentant les applications sous forme de graphes orientés où les nœuds (acteurs) représentent des tâches à exécuter et les arêtes transportent les données. Ces modèles permettent une modélisation à gros grains des calculs parallèles et des dépendances de données, facilitant ainsi l’ordonnancement et l’allocation des ressources.

Traditionnellement, l’allocation des ressources repose sur des estimations de coûts scalaires, comme l’énergie par tâche ou la latence par chemin de communication. Cependant, dans la réalité, ces coûts sont stochastiques, influencés par la complexité du matériel, les contentions ou les dépendances de données. Cette thèse abordera ces défis en modélisant les distributions de coûts et en les intégrant dans des cadres d’optimisation multi-objectifs.

Objectifs et Méthodologie : Cette thèse vise à développer des techniques d’optimisation multi-objectifs pour le DSE, en exploitant la sémantique des flux de données et des modèles de coûts probabilistes. Les travaux se concentreront sur un niveau d’abstraction élevé, en utilisant une granularité grossière pour la gestion des tâches et des données, telle que promue par les modèles de flux de données.

Les axes de recherche principaux incluent :

• Caractérisation et modélisation des coûts stochastiques (énergie, latence, etc.), d’abord dépendants de l’architecture, puis étendus aux choix de DSE interdépendants et aux dépendances de données. Une collaboration avec des doctorants axés sur le matériel (HW) est prévue.

• Développement d’algorithmes d’optimisation multi-objectifs pour le DSE intégrant les distributions de coûts.

• Intégration de la méthodologie dans un cadre open-source de co-DSE HW/SW basé sur MLIR.

L’approche combinera des simulations avec des déploiements expérimentaux d’applications de vision par ordinateur, d’IA et de radio-astronomie sur des plateformes embarquées haute performance (CPU/GPU/FPGA) afin de valider les stratégies proposées.