Projet de fin d’étude : Développement d’une IA symboliquepour l’avionique embarquée, implémentée sur nouvellesarchitectures de calcul (GPU, TPU, FPGA)

Mots-clés : IA symbolique, raisonneur, logique descriptive, calcul parallèle, avionique em-barquée, GPU/TPU/FPGA

Date de début : à partir du 03/02/2025. Durée : 6 mois

Encadrant : Philippe Leleux. Email :

Contexte
Dans le domaine de l’avionique, les systèmes embarqués doivent gérer une quantité crois-sante de données critiques, notamment celles issues des NOTAM (notice to airmission), oumessages aux navigants aériens. Ces NOTAM contiennent des informations diverses, parexemple les aéroports, les pistes d’atterrissages disponibles, leur longueur, etc. Ces donnéessont utilisées pour prendre des décisions sûres et fiables en temps réel, un enjeu majeur pourgarantir la sécurité et l’efficacité des vols.

L’intelligence artificielle symbolique, et notamment le raisonnement basé sur des on-tologies [3], offre une approche robuste pour structurer ces données et réaliser des tâchescomplexes telles que :

• La classification (recatégorisation automatique d’entités, e.g. "piste trop courte" ou"mission satisfaisable", selon des critères prédéfinis),
• La détection d’inconsistances dans des bases de connaissances,
• La mise à jour incrémentale des bases suite à l’ajout ou la suppression de nouvellesentités (Abox), l’ontologie de base restant fixe (Tbox), e.g. en vol.

Plusieurs fragments disponibles dans la logique descriptive permettent d’adapter les pro-blématiques étudiées grâce à leur simplicité en terme d’expressivité et d’efficacité algorith-mique. C’est le cas du fragment OWL 2 EL, par exemple, pour lequel il existe une familledominante d’algorithmes de raisonnement ditsconsequence-based, comme ceux utilisés parles raisonneurs ELK [2] ou encore ELepHant [4]. Ceux-ci permettent de résoudre des pro-blèmes de classification avec une complexité polynomiale déterministe. Ces solutions sontaujourd’hui reconnues pour leur complétude et leur capacité à manipuler efficacement desbases de connaissance volumineuses et dynamiques. La possibilité de raisonner de manièreincrémentale, sans recalculer toutes les inférences du systèmes mais en intégrant uniquementune mise à jour, est particulièrement intéressante pour une efficacité optimale sur systèmeembarqué [1].

Sujet
Le stage vise à développer un raisonneur spécialisé pour la logique EL adapté aux besoinsspécifiques de l’avionique embarquée. Le raisonneur devra :

• Garantir la correction (poursoundness) et la complétude (absence de fausses infé-rences ou d’inférence manquantes),
• Manipuler dynamiquement les données de l’ABox (assertions individuelles), la TBox(ensemble des axiomes terminologiques) restant fixe,
• Implémenter une approche incrémentale pour des mises à jour rapides (ajout ousuppression d’individus),
• Optimiser les performances pour des architectures matérielles modernes (TPU, GPU,FPGA), en garantissant des temps de traitement inférieurs à 5 secondes pour desmises à jour d’ontologies complexes.

Une attention particulière sera portée sur l’efficacité algorithmique grâce à l’utilisation destructures de données binaires, qui sont particulièrement adaptées à une parallélisation surarchitectures matérielles spécialisées.

Le stage se déroulera en plusieurs phases :

1. Mois 1 : État de l’art
   1. Étude des raisonneurs existants pour la logique EL, notamment ELK [2] et ELE-PHANT [4], basés principalement sur leconsequence-based.
   2. Analyse des méthodes modernes d’implémentation parallèle sur architectures TPU/GPU/NPU.
   3. Appropriation de l’approche binaire proposée pour optimiser la manipulation desdonnées ontologiques.
2. Mois 2 : Parsing d’ontologie et prototype initial
   1. Implémentation d’un parseur d’ontologie basé sur des standards existants (e.g.,OWL/XML) et sur un code existant (e.g. de ELEPHANT),
   2. Développement d’une première version naïve du raisonneur utilisant l’approchebinaire.
3. Mois 3-4 : Implémentation parallèle
   1. Révision de l’algorithme pour intégrer une parallélisation efficace adaptée auxarchitectures modernes.
   2. Test et validation des performances sur des simulateurs matériels.
4. Mois 5 : Optimisation incrémentale
   1. Intégration de méthodes incrémentales pour gérer les modifications dynamiquesde l’ABox (ajouts ou suppressions en vol) [1].
   2. Validation de la complétude et de lasoundnessdu raisonnement dans des scénariosavioniques réalistes.
5. Mois 6 : Tests et finalisation
   1. Tests sur une architecture matérielle réelle (e.g., tablette iPad Pro 2022 équipéed’un GPU moderne).
   2. Documentation du code, rédaction du rapport et préparation de la présentationfinale.

Références

• [1] Yevgeny Kazakov and Pavel Klinov. Incremental reasoning in owl el without bookkeeping. InInternational semantic web conference, pages 232–247. Springer, 2013.
• [2] Yevgeny Kazakov, Markus Krötzsch, and Frantisek Simancik. Elk reasoner : architecture andevaluation. InORE. Citeseer, 2012.
• [3] Sebastian Rudolph. Foundations of description logics. InReasoning Web International SummerSchool, pages 76–136. Springer, 2011.
• [4] Baris Sertkaya. The elephant reasoner system description. InORE, pages 87–93, 2013.