Des chercheurs proposent la prochaine plate-forme pour l'informatique inspirée du cerveau
Les ordinateurs ont beaucoup progressé en termes de puissance et de potentiel, rivalisant avec le cerveau humain, voire le surpassant, dans leur capacité à stocker et traiter des données, à faire des prévisions et à communiquer. Mais il existe un domaine dans lequel le cerveau humain continue de dominer : l'efficacité énergétique.
« Les ordinateurs les plus efficaces ont toujours des besoins énergétiques d'environ quatre ordres de grandeur, soit 10 000 fois supérieurs à ceux du cerveau humain pour des tâches spécifiques telles que le traitement et la reconnaissance d'images, bien qu'ils surpassent le cerveau dans des tâches telles que les calculs mathématiques », a déclaré l'UC. Professeur de génie électrique et informatique de Santa Barbara Kaustav Banerjee, un expert mondial dans le domaine de la nanoélectronique.
« Rendre les ordinateurs plus économes en énergie est crucial car la consommation mondiale d'énergie des composants électroniques sur puce se situe au quatrième rang du classement mondial de la consommation d'énergie à l'échelle nationale, et elle augmente de façon exponentielle chaque année, alimentée par des applications telles que l'intelligence artificielle. »
En outre, a-t-il ajouté, le problème de l'informatique inefficace en énergie est particulièrement urgent dans le contexte du réchauffement climatique, « soulignant le besoin urgent de développer des technologies informatiques plus économes en énergie ».
Le calcul neuromorphique (NM) est apparu comme une solution prometteuse pour combler le déficit d’efficacité énergétique. En imitant la structure et le fonctionnement du cerveau humain, où le traitement se déroule en parallèle sur un ensemble de neurones à faible consommation d’énergie, il pourrait être possible d’approcher une efficacité énergétique similaire à celle du cerveau.
Dans un article publié dans la revue Nature CommunicationsBanerjee et ses collègues Arnab Pal, Zichun Chai, Junkai Jiang et Wei Cao, en collaboration avec les chercheurs Vivek De et Mike Davies d'Intel Labs, proposent une telle plate-forme ultra-efficace en énergie, utilisant des transistors à effet de champ tunnel (TFET) à base de dichalcogénure de métal de transition 2D (TMD).
Selon les chercheurs, leur plateforme peut ramener les besoins énergétiques à deux ordres de grandeur (environ 100 fois) par rapport au cerveau humain.
Courants de fuite et oscillations sous-seuil
Le concept d’informatique neuromorphique existe depuis des décennies, même si les recherches à ce sujet ne se sont intensifiées que relativement récemment. Les progrès dans les circuits qui permettent des réseaux de transistors plus petits et plus denses, et donc plus de traitement et de fonctionnalités pour moins de consommation d'énergie, ne font qu'effleurer la surface de ce qui peut être fait pour permettre une informatique inspirée du cerveau.
Ajoutez à cela l'appétit généré par ses nombreuses applications potentielles, telles que l'IA et l'Internet des objets, et il est clair qu'il faut envisager d'élargir les options d'une plate-forme matérielle pour l'informatique neuromorphique afin d'aller de l'avant.
Entrez dans les transistors tunnel 2D de l'équipe. Issus des efforts de recherche de longue date de Banerjee pour développer des transistors hautes performances et à faible consommation d'énergie afin de répondre à la demande croissante de traitement sans augmentation correspondante des besoins en énergie, ces transistors atomiquement minces à l'échelle nanométrique sont réactifs à basse tension et constituent la base de La plateforme NM des chercheurs peut imiter les opérations hautement économes en énergie du cerveau humain.
En plus de courants d'arrêt plus faibles, les TFET 2D présentent également une faible oscillation sous-seuil (SS), un paramètre qui décrit l'efficacité avec laquelle un transistor peut passer de l'état désactivé à l'état activé. Selon Banerjee, une oscillation sous-seuil plus faible signifie une tension de fonctionnement plus faible et une commutation plus rapide et plus efficace.
« Les architectures informatiques neuromorphiques sont conçues pour fonctionner avec des circuits de déclenchement très clairsemés », a déclaré l'auteur principal Arnab Pal, « ce qui signifie qu'elles imitent la façon dont les neurones du cerveau ne s'activent que lorsque cela est nécessaire. »
Contrairement à l'architecture von Neumann plus conventionnelle des ordinateurs d'aujourd'hui, dans laquelle les données sont traitées séquentiellement, les composants de mémoire et de traitement sont séparés et qui consomment continuellement de l'énergie tout au long de l'opération, un système piloté par les événements tel qu'un ordinateur NM ne se déclenche que lorsque il y a une entrée à traiter, et la mémoire et le traitement sont répartis sur un réseau de transistors.
Des entreprises comme Intel et IBM ont développé des plates-formes inspirées du cerveau, déployant des milliards de transistors interconnectés et générant d'importantes économies d'énergie.
Cependant, selon les chercheurs, il est encore possible d'améliorer l'efficacité énergétique.
« Dans ces systèmes, la majeure partie de l'énergie est perdue à cause des courants de fuite lorsque les transistors sont bloqués, plutôt que pendant leur état actif », a expliqué Banerjee.
Phénomène omniprésent dans le monde de l'électronique, les courants de fuite sont de petites quantités d'électricité qui circulent dans un circuit même lorsqu'il est à l'état éteint (mais toujours connecté à l'alimentation).
Selon l'article, les puces NM actuelles utilisent des transistors à effet de champ métal-oxyde-semiconducteur traditionnels (MOSFET) qui ont un courant élevé à l'état passant, mais également une fuite élevée à l'état bloqué.
« Étant donné que l'efficacité énergétique de ces puces est limitée par les fuites à l'état bloqué, notre approche – utilisant des transistors tunnel avec un courant à l'état bloqué beaucoup plus faible – peut grandement améliorer l'efficacité énergétique », a déclaré Banerjee.
Lorsqu'ils sont intégrés dans un circuit neuromorphique, qui émule le déclenchement et la réinitialisation des neurones, les TFET se sont révélés plus économes en énergie que les MOSFET de pointe, en particulier les FinFET (une conception MOSFET qui intègre des « ailettes » verticales comme moyen de fournir un meilleur contrôle de la commutation et des fuites).
Les TFET en sont encore au stade expérimental, mais les performances et l’efficacité énergétique des circuits neuromorphiques qui en découlent en font un candidat prometteur pour la prochaine génération d’informatique inspirée du cerveau.
Selon les co-auteurs Vivek De (Intel Fellow) et Mike Davies (directeur du laboratoire de calcul neuromorphique d'Intel), « une fois réalisée, cette plate-forme peut ramener la consommation d'énergie des puces à deux ordres de grandeur par rapport au cerveau humain – non en tenant compte des circuits d'interface et des éléments de stockage de la mémoire. Cela représente une amélioration significative par rapport à ce qui est réalisable aujourd'hui.
À terme, il sera possible de réaliser des versions tridimensionnelles de ces circuits neuromorphiques basés sur le 2D-TFET pour fournir une émulation encore plus proche du cerveau humain, a ajouté Banerjee, largement reconnu comme l'un des visionnaires clés derrière les circuits intégrés 3D qui connaissent aujourd'hui une prolifération commerciale à grande échelle.
