L’informatique neuromorphe – un champ qui applique les principes des neurosciences aux systèmes de calcul pour imiter la fonction et la structure du cerveau – ne doit pas évoluer s’il veut concurrencer efficacement les méthodes de calcul actuelles.
Les chercheurs ont présenté une feuille de route détaillée de la façon dont l’informatique neuromorphe peut atteindre cet objectif.
La recherche offre une perspective nouvelle et pratique pour approcher la capacité cognitive du cerveau humain avec des facteurs de forme comparables et une consommation d’énergie.
“Nous ne prévoyons pas qu’il y aura une solution unique pour les systèmes neuromorphes à grande échelle, mais plutôt une gamme de solutions matérielles neuromorphes avec différentes caractéristiques basées sur les besoins d’application”, ont déclaré les auteurs.
Les applications polyvalentes de l’informatique neuromorphe
L’informatique neuromorphique a des applications en informatique scientifique, en intelligence artificielle, en réalité augmentée et virtuelle, des appareils portables, de l’agriculture intelligente, des villes intelligentes, etc.
Les puces neuromorphiques ont le potentiel de dépasser les ordinateurs traditionnels en énergie et en efficacité spatiale et en 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 neuromorphe apparaît comme une solution prometteuse.
«L’informatique neuromorphe est particulièrement pertinente aujourd’hui lorsque nous assistez à l’échelle intenable des systèmes d’IA aviateurs de puissance et de ressources», a déclaré Gert Cauwenberghs, professeur distingué dans le département de bio-ingénierie de l’UC San Diego Shu Chien de bio-ingénierie et l’un des documents de l’épicé co-auteurs.
L’informatique neuromorphe est à un moment charnière, a déclaré Dhireesha Kudithipudi, la chaise dotée de Robert F. McDermott à l’Université du Texas San Antonio et l’auteur correspondant du journal.
«Nous sommes maintenant à un moment où il y a une formidable opportunité de construire de nouvelles architectures et des cadres ouverts qui peuvent être déployés dans des applications commerciales», a-t-elle déclaré.
«Je crois fermement que la promotion d’une collaboration étroite entre l’industrie et le monde universitaire est la clé pour façonner l’avenir de ce domaine.»
Étendre davantage les systèmes neuromorphes
L’année dernière, Cauwenberghs et Kudithipudi ont obtenu une subvention de 4 millions de dollars de la National Science Foundation pour lancer Thor: Les communes neuromorphesUn premier réseau de recherche en son genre donnant accès au matériel informatique neuromorphique ouvert et aux outils à l’appui de la recherche interdisciplinaire et collaborative.
En 2022, une puce neuromorphique conçue par une équipe dirigée par Cauwenberghs a montré que ces puces pouvaient être très dynamiques et polyvalentes sans compromettre la précision et l’efficacité. Le Puce Neurram Exécute des calculs directement en mémoire et peut exécuter diverses applications d’IA, ce qui est à une fraction de l’énergie consommée par les plateformes de calcul pour l’informatique d’IA à usage général.
Cauwenberghs a expliqué: «Notre recherche offre une perspective sur d’autres extensions des systèmes d’IA neuromorphes dans les technologies de puces en silicium et émergentes pour aborder à la fois l’échelle massive et l’efficacité extrême de la capacité d’auto-apprentissage dans le cerveau des mammifères.»
Imiter l’activité dans le cerveau humain
Les auteurs proposent plusieurs caractéristiques clés qui doivent être optimisées pour atteindre l’échelle dans l’informatique neuromorphe, y compris la rareté, une caractéristique déterminante du cerveau humain.
Le cerveau se développe en formant de nombreuses connexions neuronales (densification) avant d’élaguer sélectivement la plupart d’entre elles. Cette stratégie optimise l’efficacité spatiale tout en conservant des informations à haute fidélité.
S’il est émulé avec succès, cette caractéristique pourrait permettre des systèmes neuromorphes qui sont beaucoup plus économes en énergie et compacts.
“L’évolutivité extensible et l’efficacité supérieure dérivent du parallélisme massif et de la structure hiérarchique dans la représentation neuronale”, a déclaré Cauwenberghs.
De plus, les auteurs appellent également à des collaborations plus fortes au sein du monde universitaire et entre le monde universitaire et l’industrie, ainsi que pour développer un plus large éventail de langages de programmation conviviaux pour réduire la barrière à l’entrée dans le domaine.
Ils croient que cela favoriserait une collaboration accrue, en particulier entre les disciplines et les industries.
#Évolution #linformatique #neuromorphique #pour #une #efficace