Intel révèle la conception d'une puce neuromorphique

Le cerveau est la plus extraordinaire des machines informatiques. Il exécute des tâches de routine qui grilleraient les circuits des supercalculateurs les plus puissants de la planète : marcher, parler, reconnaître, analyser, etc.

Et là où les superordinateurs ont besoin de suffisamment de jus pour alimenter une petite ville, le cerveau humain fait tout son travail en utilisant à peine plus que l'énergie d'un bol de bouillie.

Il n'est donc pas surprenant que les informaticiens souhaitent comprendre le cerveau et copier ses capacités. Il y a un problème, cependant. Le cerveau est construit à partir de neurones et ceux-ci fonctionnent d'une manière assez différente des circuits à base de transistors en silicium qui se trouvent sous le capot des puces conventionnelles.

Bien sûr, les informaticiens peuvent simuler le comportement des neurones et la façon dont ils se connectent sur des ordinateurs conventionnels. Mais il s'agit d'un processus profondément inutile qui est incapable d'exploiter le traitement partiel et les effets de réseau que le cerveau utilise clairement et qui consomme de l'énergie dans le processus.

La course est donc lancée pour développer un autre type de puce qui imite plus précisément le fonctionnement du cerveau. Les puces dites neuromorphiques doivent être construites à partir d'appareils qui se comportent comme des neurones, c'est-à-dire qu'ils transmettent et répondent aux informations envoyées par pointes plutôt que sous une tension variable en continu.

(L'une des raisons pour lesquelles le cerveau est si économe en énergie est que les pointes neurales ne chargent qu'une petite fraction d'un neurone lorsqu'elles se déplacent. En revanche, les puces conventionnelles maintiennent chaque ligne de transmission à une certaine tension tout le temps.)

Aujourd'hui, Charles Augustine du Circuit Research Laboratory d'Intel à Hillsboro, dans l'Oregon, et quelques amis dévoilent leur conception d'une puce neuromorphique.

Ils fondent leur conception sur deux technologies : les valves de spin latéral et les memristors. Les valves de spin latérales sont de minuscules aimants connectés par des fils métalliques qui peuvent changer d'orientation en fonction du spin des électrons qui les traversent. Nous avons examiné les memristors à plusieurs reprises sur ce blog. Ce sont des dispositifs électroniques fondamentaux qui agissent comme des résistances avec mémoire.

Augustine et ses collègues soutiennent que l'architecture qu'ils ont conçue fonctionne de la même manière que les neurones et peut donc être utilisée pour tester diverses façons de reproduire la capacité de traitement du cerveau.

La cerise sur le gâteau, disent-ils, est que les vannes de spin fonctionnent à des tensions aux bornes mesurées en milliVolts, ce qui est nettement inférieur aux puces conventionnelles.

Ils prétendent que cela se traduit par une économie d'énergie spectaculaire. Nous montrons que les conceptions neuromorphiques basées sur le spin peuvent atteindre une énergie de calcul 15X-300X inférieure, disent-ils. (Ce qu'ils veulent dire en fait, c'est qu'ils nous « disent » que ce genre d'économie est possible puisqu'il y a peu de démonstration dans leur article.)

Ils disent également que la nouvelle conception est parfaitement adaptée au type de tâches de traitement que le cerveau effectue plutôt bien : détection de données analogiques, calcul cognitif, mémoire associative, etc.

La nouvelle conception de puces d'Intel semble certainement être une amélioration par rapport aux puces existantes, mais elle est encore loin de l'efficacité de calcul atteinte par les vrais neurones.

De toute évidence, les récents progrès de la technologie des memristors et de la spintronique rendent possibles des façons entièrement nouvelles de concevoir des puces. Cependant, il reste un long chemin à parcourir avant que les systèmes synthétiques puissent commencer à égaler les capacités des systèmes naturels.

Réf : arxiv.org/abs/1206.3227 : Proposition de matériel neuromorphique utilisant des dispositifs de rotation

cacher