• L’informatique neuromorphique constitue une voie d’avenir pour la fabrication de puces semi-conductrices.
• Les circuits neuromorphiques qui imitent physiquement le fonctionnement du cerveau humain pourraient réduire la demande en électricité et l’empreinte environnementale des centres de données dédiés à l’IA.
La consommation d’électricité des centres de données dédiés à l’intelligence artificielle (IA) est effarante et ne fait qu’augmenter; il devient essentiel de trouver une solution informatique durable pour en compenser les énormes répercussions sur l’environnement et les collectivités.
Des équipes de recherche de l’Université d’Ottawa, de l’Université Columbia et de l’Université Hanyang croient pouvoir résoudre ce dilemme de portée mondiale en créant des systèmes informatiques neuromorphiques dotés de neurones artificiels à la fois petits, rapides, écoénergétiques et évolutifs, capables d’alimenter les systèmes informatiques à grande échelle qui font désormais partie de notre paysage.
« Les architectures et les matériaux décrits dans cette étude permettent un traitement fondamentalement différent de l’information. Ces technologies émergentes fonctionnent davantage comme un cerveau humain que comme un processeur conventionnel, ce qui mènera à la conception de dispositifs physiques beaucoup plus rapides, adaptatifs et efficaces sur le plan énergétique », explique l’auteur principal de l’étude, Kannan Udaya Mohanan, chercheur postdoctoral au sein du groupe du professeur Chang-Hyun Kim à l’Université d’Ottawa.
Des systèmes neuromorphiques évolutifs
Le professeur Kim et son équipe ont procédé à une revue systématique et approfondie des avancées mondiales réalisées ces dernières années dans le domaine des matériaux électroniques, de la physique des dispositifs et des circuits intégrés, pour paver la voie aux systèmes dits « neuromorphiques », c’est-à-dire qui imitent physiquement le traitement de l’information par le cerveau humain. Plutôt que de se concentrer sur une seule expérience, l’équipe a évalué le portrait complet des nouveaux neurones matériels dans le but de traduire des notions complexes de science des matériaux en solutions technologiques concrètes et appliquées pour faciliter la conception de systèmes informatiques neuromorphiques évolutifs.
Ces travaux consacrés au matériel neuromorphique serviront de guide prospectif et exhaustif à l’intention de la communauté scientifique, au moment même où le gouvernement fédéral établit de nouvelles règles pour encadrer les centres de données au Canada.
« L’informatique conventionnelle est actuellement confrontée à un "mur de la mémoire", un goulot d’étranglement qui entraîne des retards importants et une perte d’énergie considérable dans le transfert de données entre la mémoire et les processeurs. Nous avons ciblé les architectures et les matériaux post-CMOS les plus prometteurs capables de fonctionner comme des neurones artificiels, prouvant ainsi que les circuits de nouvelle génération peuvent traiter l’information plus rapidement et avec une fraction seulement de l’énergie consommée par les puces actuelles les plus courantes sur le marché », déclare Chang-Hyun Kim, professeur agrégé à l’École de science informatique et de génie électrique, et directeur du Laboratoire de semi-conducteurs et de microélectronique de l’Université d’Ottawa.
Des technologies plus vertes
Le terme « post-CMOS » (pour Complementary Metal-Oxide-Semiconductor ou semi-conducteur à oxyde de métal complémentaire) désigne les matériaux et architectures de dispositifs émergents qui dépassent les puces conventionnelles. Si ces matériaux neuromorphiques peuvent réduire considérablement l’empreinte énergétique des centres de données modernes, ils présentent un avantage tout aussi intéressant pour les usages personnels. En effet, ils sont souvent plus économiques, hautement évolutifs et compatibles avec des appareils légers, souples et ultraminces.
« En plus de l’aspect écologique pour les centres de données dédiés à l’IA, cette technologie permettra de créer directement des appareils intelligents et de faible puissance pour la santé personnalisée et les interfaces homme-machine », ajoute le professeur Kim.
L’article, intitulé « Emerging Post-CMOS Hardware Neurons for Brain-Inspired Computing: Devices, Circuits, and System Integration » de K. Udaya Mohanan, H. Yoo, B. H. Lessard, I. Kymissis et C.-H. Kim a été publié dans la revue Advanced Functional Materials. https://doi.org/10.1002/adfm.77874
Demandes des médias : [email protected]