DEODIS

Équipe DEODIS

Contexte

Les travaux de l’équipe DEODIS portent sur la conception, l'optimisation et l'évaluation de systèmes distribués et intelligents pour lesquels la complexité
du système ne permet pas une approche formelle de la résolution des problèmes. L’équipe met en œuvre son expertise pour apporter des solutions, conceptuelles, architecturales ou algorithmiques dont elle évalue la pertinence et l'efficacité.

Objectifs et Thématiques scientifiques

Le positionnement scientifique de l’équipe DEODIS couvre la modélisation avec différents outils, la conception d'algorithmes ou de protocoles et l'optimisation, orientées vers les systèmes distribués et/ou intelligents et leurs spécificités. Les solutions sont ensuite évaluées par simulation ou par exécution en grandeur nature.

L'équipe est plus particulièrement positionnée sur les thématiques de recherche suivantes :

•  Intelligence Artificielle distribuée: Nous travaillons sur l'intégration d’outils tels que le raisonnement à partir de cas et l'apprentissage profond pour répondre aux besoins des contextes où les données d'apprentissage sont peu nombreuses, par exemple pour améliorer les résultats en traitement d'images médicale ou dans l'éducation. Nos travaux portent également sur l’exécution parallèle à large échelle (High Performance Computing) de systèmes multi-agents, visant à identifier des phénomènes émergents à partir de comportements individuels, pour permettre la simulation de systèmes de grande taille,
•  Ordonnancement parallèle:  L’équipe est reconnue pour ses travaux autour de l’ordonnancement parallèle. Nous abordons des contextes variés tels que les bases de données, avec l'ordonnancement online de requêtes clef-valeur, les datacentres alimentés
  par énergie renouvelable, avec des ordonnancements contraints par la variabilité de la puissance électrique, ou encore des problèmes classiques pour lesquels nous proposons des solutions originales. Nous travaillons également à la proposition de jeux de tests pour évaluer la qualité des algorithmes d'ordonnancement en parallélisme ou pour des problèmes de jobshop.
• Sécurité et vie privée: Pour garantir la protection de la vie privée nous travaillons à l'anonymisation de jeux de données en utilisant des techniques d'apprentissage profond. Les jeux de données sont modifiés de manière à permettre une publication sans risque d'identification des enregistrements, par exemple dans le cas de données médicales ou de localisation. L'analyse des données peut aussi permettre l'identification de patterns en vue d'une classification, par exemple pour l'attribution de codes CIM-10 en médecine. Dans le cadre de la protection de données dont l’accès est partiellement ouvert, nous nous intéressons également à la détection d'attaques par inférence.

Savoir-faire

•  IA pour la médecine (anonymisation, sécurité, imagerie) et l'éducation
• Modélisation et parallélisation des systèmes mulit-agents
• Algorithmique pour l'ordonnancement parallèle et jobshop
• Anonymisation de données
• Routage dans les réseaux de capteurs (travaux jusqu'en 2021)

mise en oeuvre

L'équipe collabore, dans le cadre de projets, avec de nombreux partenaires académiques: CHU Besançon (segmentation automatique d'images, surveillance du bloc opératoire), Hôpital nord Franche-Comté (traitement de documents médicaux), laboratoire IRIT (ordonnancement sous contrainte de puissance), IRD (parallélisation de systèmes multi-agents), laboratoire LIP (ordonnancement dans les dépôts clef-valeur), ... et des entreprises auxquelles il apporte son expertise: Maincare, Aprogsys, Eaton, Orange, ...