Des chercheurs développent une puce neuromorphique à grande échelle dotée d'une nouvelle architecture de jeu d'instructions et d'un apprentissage sur puce
Le Spiking Neural Network (SNN) propose une approche unique pour simuler les fonctions cérébrales, ce qui en fait un élément clé de la recherche moderne en informatique neuromorphique. Contrairement aux réseaux neuronaux traditionnels, les SNN fonctionnent sur des signaux discrets déclenchés par des événements, s'alignant plus étroitement sur les processus biologiques.
Des puces informatiques neuromorphiques spécialisées sont en cours de développement pour mieux tirer parti des avantages des SNN. Ces puces représentent une rupture avec l'architecture informatique traditionnelle, offrant une solution prometteuse aux contraintes de stockage et d'énergie de l'ère post-Moore.
Cependant, pour exploiter pleinement le potentiel des SNN, les chercheurs sont confrontés à plusieurs défis. Premièrement, ils doivent garantir la flexibilité des modèles neuronaux pour capturer avec précision les divers comportements du cerveau. Deuxièmement, ils doivent tenir compte de l’évolutivité et de la densité des connexions synaptiques pour prendre en charge efficacement les grands réseaux neuronaux. Enfin, il est essentiel d’obtenir des capacités d’apprentissage sur puce pour que ces puces s’adaptent et s’améliorent comme de vrais cerveaux.
Compte tenu de ces défis, l'équipe du professeur Gang Pan de l'Université du Zhejiang a collaboré avec le Zhejiang Lab pour développer la puce neuromorphique Darwin 3, la dernière version de la série Darwin. L’équipe a étudié de nombreux modèles de neurones et de synapses, analysé leur fonctionnement et identifié leurs aspects informatiques clés.
Les résultats sont publiés dans la revue Revue scientifique nationale.
Sur la base de leurs découvertes, ils ont proposé une nouvelle architecture de jeu d'instructions (ISA) spécifiquement pour l'informatique neuromorphique. Cet ISA permet des mises à jour d'état et un chargement de paramètres rapides, permettant une construction efficace de divers modèles et règles d'apprentissage.
En outre, l'équipe de recherche a conçu un mécanisme de connexion efficace, améliorant considérablement l'efficacité du stockage sur puce tout en prenant en charge plus de 2 millions de neurones et 100 millions de synapses sur une seule puce. Les réseaux neuronaux de notre cerveau sont incroyablement interconnectés.
En moyenne, chaque neurone peut établir des connexions avec des milliers d’autres neurones. Le mécanisme de connexion proposé constitue une excellente base matérielle pour la création de réseaux neuronaux à l’échelle du cerveau.
L'équipe de recherche a également réalisé des progrès significatifs dans les capacités d'apprentissage sur puce de Darwin3, lui permettant de gérer efficacement de nouvelles informations et des environnements dynamiques tout en exécutant des réseaux neuronaux de pointe. Cela a rendu Darwin3 plus adaptable et convivial, démontrant une adaptabilité exceptionnelle dans des scénarios complexes.
Des expériences récentes démontrent les capacités impressionnantes d'apprentissage sur puce du Darwin 3 et sa capacité à prendre en charge différents types de SNN, ce qui le distingue des autres puces neuromphiques. Le développement du Darwin 3 marque une étape importante dans l’informatique neuromorphique, promettant de faire progresser les capacités de l’intelligence artificielle.
