Antonio García-Díaz est un ingénieur informaticien, spécialisé dans les domaines de l'intelligence computationnelle (intelligence artificielle et apprentissage automatique), du traitement et de l'analyse d'images, et du graphisme 3D. Il entreprend actuellement sa cinquième année de doctorat au département IRIDIA-CoDE de l'École polytechnique de Bruxelles (EPB) de l'Université libre de Bruxelles (ULB), Bruxelles (Belgique), où il a obtenu son master en 2018.
Pour sa thèse de doctorat, "Self-Optimisation of Neural Network Architectures", Antonio recherche, produit et code des algorithmes novateurs de recherche d'architectures neuronales (en anglais "neural architecture search", ou NAS). Ces algorithmes servent à construire automatiquement une architecture de réseau de neurones artificiel optimale pour une tâche donnée : à la fois aussi efficace que possible pour cette tâche (en termes de précision) et aussi petite et simple que possible dans son schéma. De tels réseaux peuvent être directement embarqués dans des petits appareils ou des périphériques (comme des drones, smartphones, ou tablettes), au lieu de dans un serveur ou cloud externe, ce qui rend les solutions basées sur ces réseaux plus accessibles, et permet un meilleur contrôle sur le traitement des données que ces réseaux utilisent.
L'objectif principal des recherches d'Antonio est de rendre les algorithmes de NAS capables de faire concurrence aux chercheurs humains dans la conception de réseaux de neurones; une tâche qui, pour les humains, est longue et fastidieuse. Pour ce faire, Antonio étudie diverses méthodes pour optimiser et accélérer le processus de NAS. L'axe principal de sa recherche sont les algorithmes d'auto-structuration ("self-structuring"), des algorithmes qui permettent de construire ou modifier une architecture en même temps qu'elle est entraînée.
Avec son directeur de thèse, le professeur Hugues Bersini d'IRIDIA-CoDE, Antonio est co-auteur de trois articles portant sur les algorithmes d'auto-structuration développés dans le cadre de ses activités de recherche doctorale. Ces articles ont été présentés dans différentes conférences :
- Self-Optimisation of Dense Neural Network Architectures: An Incremental Approach, publié dans les actes de la conférence IJCNN 2020 (DOI : 10.1109/IJCNN48605.2020.9207416).
- DensEMANN: Building A DenseNet From Scratch, Layer by Layer and Kernel by Kernel, publié dans les actes de la conférence IJCNN 2021 (DOI : 10.1109/IJCNN52387.2021.9533783).
- DensEMANN + Sparsification: Experiments for Further Shrinking Already Small Automatically Generated DenseNet, publié dans les actes de la conférence ICANN 2022 (DOI : 10.1007/978-3-031-15934-3_50).
Antonio a rejoint TRAIL en avril 2021. Ses recherches sont actuellement financées par le projet ARIAC de DigitalWallonia4.ai, et il est investi dans des projets liés aux tâches 1 (Interaction Humain-IA) et 4 (Implémentations optimisées de l'IA) de TRAIL, et aux Grands Défis 7 (Interactions avec l'IA de pointe pour atteindre le zéro-défaut, le zéro-accident et le zéro-épuisement dans un environnement de production) et 8 (Utiliser des solutions d'IA avancées pour obtenir un produit de qualité constante tout au long du cycle de développement et de fabrication d'un produit).
En juin 2021, Antonio a aussi été proclamé lauréat de la fondation VOCATIO, qui récompense chaque année de jeunes talents en Belgique. Il a été l'un des deux lauréats cette année-là dans la catégorie "Sciences appliquées".
La langue maternelle d'Antonio est l'espagnol (sa propre nationalité), et il parle également l'anglais et le français au niveau de langue maternelle. Il a également une bonne maîtrise du néerlandais.