Développer l'informatique neuromorphique pour une IA plus efficace et efficiente partout et à tout moment
infohightech ·
L'informatique neuromorphique, un domaine qui applique les principes des neurosciences aux systèmes informatiques pour imiter le fonctionnement et la structure du cerveau, doit passer à l'échelle supérieure pour pouvoir concurrencer efficacement les méthodes informatiques actuelles. Dans une étude publiée le 22 janvier dans la revue Nature , 23 chercheurs, dont deux de l'Université de Californie à San Diego, présentent une feuille de route détaillée de ce qui doit se passer pour atteindre cet objectif. L'article offre une perspective nouvelle et pratique pour approcher la capacité cognitive du cerveau humain avec un facteur de forme et une consommation d'énergie comparables.
« Nous ne prévoyons pas qu’il y aura une solution unique pour les systèmes neuromorphiques à grande échelle, mais plutôt une gamme de solutions matérielles neuromorphiques avec des caractéristiques différentes en fonction des besoins de l’application », écrivent les auteurs.
Les applications de l’informatique neuromorphique comprennent le calcul scientifique, l’intelligence artificielle, la réalité augmentée et virtuelle, les objets connectés, l’agriculture intelligente, les villes intelligentes et bien plus encore. Les puces neuromorphiques ont le potentiel de surpasser les ordinateurs traditionnels en termes d’efficacité énergétique et spatiale, ainsi que de performances. Cela pourrait présenter des avantages substantiels dans divers domaines, notamment l’IA, les soins de santé et la robotique. Alors que la consommation d’électricité de l’IA devrait doubler d’ici 2026 , l’informatique neuromorphique apparaît comme une solution prometteuse.
« L'informatique neuromorphique est particulièrement pertinente aujourd'hui, alors que nous assistons à la mise à l'échelle intenable de systèmes d'IA gourmands en énergie et en ressources », assure Gert Cauwenberghs, professeur émérite au département de bio-ingénierie Shu Chien-Gene de l'UC San Diego et l'un des coauteurs de l'article.
Selon Dhireesha Kudithipudi, titulaire de la chaire Robert F. McDermott de l’université du Texas à San Antonio et auteure correspondante de l’article, l’informatique neuromorphique se trouve à un tournant. « Nous sommes désormais à un point où il existe une formidable opportunité de créer de nouvelles architectures et de nouveaux cadres ouverts qui peuvent être déployés dans des applications commerciales », a-t-elle déclaré. « Je suis convaincue que favoriser une collaboration étroite entre l’industrie et le monde universitaire est la clé pour façonner l’avenir de ce domaine. Cette collaboration se reflète dans notre équipe de co-auteurs. »
L'année dernière, Gert Cauwenberghs et Dhireesha Kudithipudi ont obtenu une subvention de 4 millions de dollars de la National Science Foundation pour lancer THOR : The Neuromorphic Commons , un réseau de recherche unique en son genre offrant un accès à du matériel et des outils informatiques neuromorphiques ouverts à l'appui de la recherche interdisciplinaire et collaborative.
Gert Cauwenberghs, professeur au département de bio-ingénierie Shu Chien Gene Lay de l'UC San Diego, est l'un des co-auteurs d'un article de synthèse de Nature sur la manière de développer l'informatique neuromorphique. Photos : David Baillot/École d'ingénierie Jacobs de l'Université de Californie à San Diego
En 2022, une puce neuromorphique conçue par une équipe dirigée par Gert Cauwenberghs a montré que ces puces pouvaient être hautement dynamiques et polyvalentes, sans compromettre la précision et l’efficacité. La puce NeuRRAM exécute les calculs directement en mémoire et peut exécuter une grande variété d’applications d’IA, le tout avec une fraction de l’énergie consommée par les plateformes informatiques pour le calcul d’IA à usage général. « Notre article de synthèse dans Nature offre une perspective sur d’autres extensions des systèmes d’IA neuromorphiques dans le silicium et les technologies de puces émergentes pour approcher à la fois l’échelle massive et l’efficacité extrême de la capacité d’auto-apprentissage dans le cerveau des mammifères », lance Gert Cauwenberghs.
Pour atteindre l'échelle requise dans le calcul neuromorphique, les auteurs proposent plusieurs caractéristiques clés qui doivent être optimisées, notamment la parcimonie, une caractéristique déterminante du cerveau humain. Le cerveau se développe en formant de nombreuses connexions neuronales (densification) avant d'en éliminer sélectivement la plupart. Cette stratégie optimise l'efficacité spatiale tout en conservant les informations à haute fidélité. Si elle est reproduite avec succès, cette caractéristique pourrait permettre de créer des systèmes neuromorphiques nettement plus économes en énergie et compacts.
« L'évolutivité extensible et l'efficacité supérieure découlent du parallélisme massif et de la structure hiérarchique de la représentation neuronale, combinant une connectivité synaptique locale dense au sein des noyaux neurosynaptiques modélisés d'après la matière grise du cerveau avec une connectivité globale clairsemée dans la communication neuronale à travers les noyaux modélisant la matière blanche du cerveau, facilitée par des interconnexions reconfigurables à large bande passante sur puce et des interconnexions structurées hiérarchiquement entre les puces », précise Gert Cauwenberghs.
« Cette publication montre un potentiel énorme pour l'utilisation de l'informatique neuromorphique à grande échelle pour des applications concrètes. Au San Diego Supercomputer Center, nous apportons de nouvelles architectures informatiques à la communauté nationale des utilisateurs, et ce travail collaboratif ouvre la voie à l'apport d'une ressource neuromorphique à la communauté nationale des utilisateurs », souligne Amitava Majumdar, directeur de la division de calcul scientifique basé sur les données au SDSC ici sur le campus de l'UC San Diego, et l'un des coauteurs de l'article.
Les auteurs appellent également à une collaboration plus étroite au sein du monde universitaire et entre le monde universitaire et l’industrie, ainsi qu’au développement d’un plus large éventail de langages de programmation conviviaux pour réduire les barrières à l’entrée dans ce domaine. Ils estiment que cela favoriserait une collaboration accrue, en particulier entre les disciplines et les industries.