Context This internship subject takes place in the EDGE team of LEAT laboratory that traditionally works on Edge computing and digital systems. More specifically, it takes part a collaboration with CERN in Geneva in order to design, develop and deploy a wireless sensor network to monitor the biodiversity on the campus of CERN in Switzerland. […]
Plus d'infoResearch Internship ProjectDevelopment of a prototype for embedded object detection with bio-inspired retinas on roboticplatforms Context The LEAT lab is leader of the national ANR project DeepSee in collaboration with Renault, Propheseeand 2 other labs in neuroscience (CERCO) and computer science (I3S). This project aims at exploring abio-inspired approach to develop energy-efficient solutions for image […]
Plus d'infoResearch Internship ProjectUnsupervised learning of robotic multimodal data Context LEAT lab has been working for several years on the design of bio-inspired neural models. One ofthem is inspired by the self-organization of the biological brain. This model named ReSOM has beenpreviously applied to the classification of multimodal data such as the representation of digits fromvisual, […]
Plus d'infoFrançois VerdierLaboratoire LEAT, francois.verdier@univ-cotedazur.fr Introduction In the field of intelligent objects, which are capable of retrieving a whole category ofinformation (such as the temperature of an aqueous solution, the pressure in oil pipes,identification badge numbers, reaction control in a nuclear power plant, etc.) andtransmitting it to a dedicated database via a wireless channel, we are […]
Plus d'infoResearch Internship ProjectAn energy proportional neuromorphic solution for SpikeNets. ContextSpiking neural networks are considered as the third generation of neural networks and could thusreplace the conventional networks used in machine learning in order to reduce energy consumptionof AI, especially in Edge applications.But taking advantage of SNN needs to efficiently parallelize their execution onto multipleneuromorphic (event-based) […]
Plus d'infoResearch Internship ProjectEZBird – Training of embedded neural networks for bird song detection ContextThis internship subject takes place in the eBRAIN group of LEAT laboratory that works on EmbeddedBio-inspiRed Artificial Intelligence and Neuromorphic architectures.More specifically, it takes part a collaboration with CERN in Geneva in order to design, develop anddeploy a wireless sensor network to […]
Plus d'infoLe LEAT développe un code de calcul maison basé sur la méthode TLM pour la modélisation électromagnétique appliqué aux antennes et à la dosimétrie numérique. Il offre de multiples possibilités mais n’a pas d’interface graphique limitant son accès à un nombre restreint d’utilisateur. Au cours de ce stage, l’objectif principal sera donc de développer une interface graphique utilisant le Framework QT.
Plus d'infoPour établir le rapport entre d’éventuels effets sanitaires et l’exposition à un environnement électromagnétique un paramètre est défini : le débit d’absorption spécifique (DAS ou SAR en anglais) qui représente la puissance absorbée par unité de masse (il s’exprime en W/kg). Dans ce domaine, la simulation numérique se révèle être un outil particulièrement puissant permettant la quantification des champs et puissances induites dans les tissus : on parle alors de dosimétrie. Le candidat retenu pour ce stage utilisera le logiciel CST Microwave Studio pour construire un modèle numérique réaliste du conduit auditif.
L’objectif sera d’évaluer le DAS et la température à l’intérieur de l’oreille exposée à une onde plane sur une bande de fréquence allant de 26 à 100 GHz.
Le LEAT (UCA) travaille depuis quelques années sur la caractérisation des niveaux de champs dans des modèles complexes de corps humains (ex. Virtual Family [ITIS]). De nombreuses études ont déjà été menées sur ces aspects aux fréquences de la 4G mais peu de données existent dans la bande de fréquences utilisées pour la 5G. De plus, à mesure que la fréquence augmente (ex., f > 26 GHz), le problème de calcul devient très difficile à résoudre. Cela est lié au grand nombre de cellules volumiques nécessaires pour représenter le domaine de calcul.
L’idée serait de traiter les grandes scènes via la méthode des moments afin d’obtenir les courants à la surface des individus présents. Ces courants serviraient alors de données d’entrée aux logiciels temporels pour le calcul volumique du DAS.