L'équipe R&D

  1. Accueil
  2. Les acteurs de la R&D
  3. Sebastian MARZETTI

Sebastian MARZETTI

Enseignant-chercheur
Campus : Toulon

06 18 07 39 31

sebastian.marzetti@yncrea.fr

Un scientifique dans son laboratoire est non seulement un technicien : il est aussi un enfant placé devant des phénomènes naturels qui l’impressionnent comme des contes de fées.
Marie Curie

Cœur de métier

Sebastian MARZETTI est enseignant chercheur à l’YNCREA Méditerranée depuis novembre 2021. Il travaille sur les activités Smart Objects et Intelligence Artificielle (IA). Il fait l’enseignement en électronique, systèmes embarqués et intelligence artificielle.

Ses travailles de recherche portent sur l’intelligence artificielle embarquée en très faible consommation d’énergie. L’objectif est de trouver les clés pour implémenter des algorithmes d’IA avec une consommation moyenne inférieur à 100 µW.

Prospective

Le futur de l’IA embarquée, ce qu’on appelle « l’edge computing » est d’implémenter dans les architectures embarquées les algorithmes qui aujourd’hui sont traités sur des serveurs. Le problème que l’on trouve est la limitation des ressources computationnels et de mémoire, donc il faut développer des nouvelles techniques de traitement, ainsi que des nouvelles technologies, toujours en gardant la faible consommation d’énergie, pour pouvoir atteindre cet objectif.

Un nombre important d’applications intègrent cette thématique de recherche, tels que le traitement de la parole en temps réel, la détections des paternes, maintenance prédictive, etc. Dans toutes ces applications le but est de minimiser la consommation énergétique de façon d’atteindre une autonomie de plusieurs années sur une pile bouton CR2032.

360°

Initialement, Sebastian a orienté ses travaux sur l’électronique embarqué et l’IoT avec une très faible consommation d’énergie. Ensuite Il a élargi son champ de recherches au traitement du signal et l’IA embarquée. Dans le cadre de sa thèse il a travaillé dans la conception et développement des différents systèmes implémentant la chaine complète d’IA. Les domaines d’applications sont nombreux : industrie, biodiversité, fitness, etc.

Pour 2025, le nombre estimé des dispositifs pour l’IoT est de 27 milliards, le double de ce que nous avons aujourd’hui. Donc on ne peut pas se permettre de charger ou changer les batteries très souvent. C’est pour cela que la très faible consommation d’énergie (ultra-low power) est importante pour réduire la pollution de l’environnement. Également il faut que ces dispositifs soient capables de traiter de l’information avec des algorithmes avancés, ce qui demande d’une grande puissance de calcul. Le rôle de Sebastian est de trouver comment on peut augmenter la puissance de calcul tout en réduisant la consommation d’énergie des systèmes embarqués.     

À propos de moi

Sebastian MARZETTI est enseignant chercheur à l’YNCREA Méditerranée depuis novembre 2021. Il a obtenu le diplôme d’ingénieur en électronique en Argentine à l’IUA-UNDEF après avoir fait un échange académique à l’Ecole des Mines de Saint Etienne, puis travaillé pendant un an chez INVAP (Argentine) en tant qu’ingénieur R&D et finalement effectué un doctorat sur l’IA embarquée en très faible consommation d’énergie.

Domaines d'expertise

Son domaine d’expertise gravite autour de l’électronique embarquée, traitement du signal et intelligence artificielle : 

  • Conception de circuits mixtes pour le traitement du signal
  • Traitement de signal
  • Développement de programmes embarqués (ST, Texas Instruments, Microchip)
  • Machine learning (Tensor Flow, PyTorch, etc.)

Activités de recherche et développement

Quelques projets : 

Liens

i

Publications

  • Revues

[1]        S. Marzetti , P-A. Peyronnet , F. Barthelemy , V. Gies , V. Barchasz , T. Delaey-Langlois , D. Peloux , P. Arlotto , H. Barthelemy : “Low Cost Artificial Ventilator Embedding Unsupervised Learning for Hardware Failure Detection”, IEEE Circuits and Systems Magazine 2021. 10.1109/MCAS.2021.3092539

[2]        S. Marzetti, V. Gies, P. Best, V. Barchasz, S. Paris, H. Barthélémy, H. Glotin :  H. A ‘30 μW Embedded Real-Time Cetacean Smart Detector’”, Electronics 2021, 10, 819. https://doi.org/10.3390/electronics10070819

[3]        V. Gies, T. Soriano, S. Marzetti, V. Barchasz, H. Barthelemy, H. Glotin, V. Hugel :  “Optimisation of Energy Transfer in Reluctance Coil Guns: Application to Soccer Ball Launchers”, Appl. Sci. 2020, 10, 3137. https://doi.org/10.3390/app10093137

  • Conférences

[1]        V. Barchasz, V. Gies, S. Marzetti, H. Glotin : “A novel low-power high speed accurate and precise DAQ with embedded artificial intelligence for long term biodiversity survey”, e-Forum Acusticum 2020, Dec 2020, Lyon, France. pp.3217-3224, ⟨10.48465/fa.2020.0875⟩. ⟨hal-03230835⟩

[2]        P. Best, S. Marzetti, M. Poupard, M. Ferrari, S. Paris : “Stereo to five-channels bombyx sonobuoys: from four years cetacean monitoring to real-time whale-ship anti-collision system”, e-Forum Acusticum 2020, Dec 2020, Lyon, France. pp.3229-3231, 10.48465/fa.2020.1089. ⟨hal-03230839⟩

[3]        S. Marzetti, V. Gies, V. Barchasz, P. Best, S. Paris, H. Barthelemy, H. Glotin :  “Ultra-Low Power Wake-Up for Long-Term Biodiversity Monitoring”, 2020 IEEE International Conference on Internet of Things and Intelligence System (IoTaIS), 2021, pp. 188-193, doi: 10.1109/IoTaIS50849.2021.9359710.

[4]        V. Gies, S. Marzetti, V. Barchasz, H. Barthélemy and H. Glotin, “Ultra-low Power Embedded Unsupervised Learning Smart Sensor for Industrial Fault Classification”, 2020 IEEE International Conference on Internet of Things and Intelligence System (IoTaIS), 2021, pp. 181-187, doi: 10.1109/IoTaIS50849.2021.9359716.

[5]        S. Marzetti, V. Gies, V. Barchasz, H. Barthelemy, H. Glotin, E. Kussener, R. Vauche : “Embedded Learning for Smart Functional Electrical Stimulation”, 2020 IEEE International Instrumentation and Measurement Technology Conference (I2MTC), 2020, pp. 1-6, doi: 10.1109/I2MTC43012.2020.9128681.

Activités d'enseignement

  • Intelligence artificielle embarquée
  • Gestion des consommations
  • Modulation
  • Microcontrôleur