Karol Desnos

Conception et Optimisation Assistées par Ordinateur de Logiciels pour l'Embarqué

Les recherches de Karol Desnos s’articulent autour de trois axes majeurs. Le premier axe porte sur l’utilisation de modèles de flux de données (MoC dataflow) pour programmer efficacement des systèmes multicœurs hétérogènes embarqués. Le deuxième axe explore l’approximate computing pour réduire la complexité des calculs : développement de méthodes génériques pour caractériser les erreurs matérielles et logicielles induites, et exploitation de la tolérance aux artefacts dans des applications de vision par ordinateur (projets ARTEFaCT, COMPA). Le troisième axe concerne les agents d'IA frugaux fondés sur les Tangled Program Graphs (TPG), une technique inspirée par la programmation génétique, permettant de créer des IA 100 à 1000 fois moins complexe que des réseaux de deep learning.