Les systèmes neuromorphiques sont-ils l’avenir du calcul haute performance ? Intelligence des données PlatoBlockchain. Recherche verticale. Aï.

Les systèmes neuromorphiques sont-ils l'avenir du calcul haute performance ?

Horodatage: 8 mars 2022 10:26

Le cerveau humain est remarquablement doué pour stocker et traiter les informations. Bien que nos connaissances sur le fonctionnement du cerveau soient loin d'être complètes, les scientifiques et les ingénieurs développent des technologies informatiques qui imitent le fonctionnement des neurones dans le cerveau. Il ne s'agit pas seulement de construire des ordinateurs plus rapides ; le cerveau est également très économe en énergie et les premières indications montrent que les systèmes neuromorphiques pourraient améliorer l'efficacité énergétique. Il s'agit d'une considération importante car la consommation d'énergie et la chaleur perdue sont des facteurs limitants pour l'électronique conventionnelle.

Une grande question pour ceux qui travaillent dans le domaine est de savoir jusqu'où nous devons aller pour imiter le cerveau. Les futurs systèmes devraient-ils être neuromorphiques - en essayant de créer des systèmes aussi proches que possible du cerveau - ou devraient-ils s'inspirer du cerveau plutôt que de l'imiter ?

Une bonne façon d'y penser est la relation entre les oiseaux et les avions. Le vol humain a été inspiré par les oiseaux et un avion imite plusieurs aspects du vol aviaire - le plus évident étant deux ailes. Mais un avion n'est en aucun cas une copie d'un oiseau - les moteurs à réaction sont très différents des muscles qui battent des ailes, par exemple.

Quatre spécialistes

Cette semaine, quatre experts ont participé à une débat sur le rôle futur des systèmes neuromorphiques en informatique. L'événement était présidé par Régina Dittmann, expert en matériaux électroniques au Forschungszentrum Jülich en Allemagne.

Les arguments en faveur de l'informatique neuromorphique étaient Kwabena Boahen – le fondateur et directeur du laboratoire Brains in Silicon de l'Université de Stanford en Californie – et Ralph Étienne-Cummings, qui dirige le Computational Sensory-Motor Systems Laboratory à l'Université Johns Hopkins dans le Maryland.

Prôner la prudence étaient Yann LeCun – qui est scientifique en chef de l'IA chez Meta (Facebook) et membre du laboratoire d'intelligence computationnelle, d'apprentissage, de vision et de robotique de l'Université de New York – et Bill Dally est scientifique en chef chez NVIDIA et membre de Bio-X à l'Université de Stanford.

Intégration en 3D

Boahen a lancé le débat en disant que le succès de l'informatique neuromorphique dépend de notre capacité à intégrer et à faire évoluer les composants, tout comme la façon dont l'industrie des semi-conducteurs a réalisé une croissance exponentielle du nombre de transistors sur une puce pendant de nombreuses années. Pour illustrer l'importance de la constante de temps dans cette loi de Moore neuromorphique, il a utilisé une amusante unité de puissance de calcul neuromorphique – le cerveau du capybara – qu'il a comparé au cerveau d'une mouche.

Passer des architectures 2D aux architectures 3D aiderait à stimuler l'intégration, estime Boahen, mais les défis sont nombreux.

Etienne-Cummings a souligné que l'informatique neuromorphique est très différente de l'informatique conventionnelle. Contrairement aux impulsions électroniques dans un ordinateur, les pics de tension dans un système neuronal ne transportent pas d'informations, ce sont plutôt les intervalles entre les pics qui sont importants. Dans un sens, les systèmes neuromorphiques atteignent la quatrième dimension.

Les applications médicales

Il a souligné que les systèmes neuromorphiques à base de pointes joueront un rôle important dans l'intégration des systèmes biologiques aux ordinateurs conventionnels. Cela conduirait à de meilleures technologies médicales telles que les prothèses, par exemple.

Parlant des limites de l'informatique neuromorphique, Dally a souligné que les pointes sont un moyen inefficace de représenter les nombres. Cela signifie qu'ils ne sont pas particulièrement utiles pour effectuer de nombreuses tâches qui sont actuellement effectuées par des ordinateurs conventionnels. En effet, il a déclaré que nous devons réfléchir davantage aux modèles de réseaux neuronaux appropriés pour quelles tâches - en utilisant l'exemple de l'oiseau et de l'avion. Les systèmes neuromorphiques seraient utiles pour simuler la biologie, a-t-il déclaré.

LeCun était d'accord sur la nécessité d'être intelligent sur ce que nous copions du cerveau dans les systèmes informatiques. Il a souligné que l'électronique analogique nécessaire à l'informatique neuromorphique est très difficile à construire et à intégrer pour le moment, et a demandé si une révolution technologique était à venir.

Accélérateurs neuromorphiques

Il a déclaré que les systèmes neuromorphiques pourraient être utilisés comme accélérateurs effectuant des tâches spécifiques pour les systèmes informatiques conventionnels. Un exemple qu'il a donné est un accélérateur pour les lunettes de réalité augmentée.

Alors, le public a-t-il été convaincu par les tenants de la neuromorphie ou par les sceptiques ? Un sondage réalisé au début du débat par Dittman suggérait que 46% de l'auditoire étaient d'accord pour dire que les systèmes neuromorphiques sont l'avenir du calcul haute performance. Après le débat, cela est passé à 56%, donc les oui l'ont emporté.

Vous pouvez vous inscrire pour regarder le débat ici : L'avenir du calcul haute performance : les systèmes neuromorphiques sont-ils la réponse ? Le débat est parrainé par la revue Calcul et ingénierie neuromorphiques. Il est édité par IOP Publishing, qui vous apporte également Monde de la physique.

Le poste Les systèmes neuromorphiques sont-ils l'avenir du calcul haute performance ? apparaît en premier sur Monde de la physique.

Horodatage:

Plus de Monde de la physique