Le matériel neuromorphique à très faible consommation est prometteur pour le calcul de l'IA économe en énergie
Une équipe comprenant des chercheurs du Collège d'ingénierie de l'Université nationale de Séoul a développé un matériel neuromorphique capable d'effectuer des calculs d'intelligence artificielle (IA) avec une consommation d'énergie ultra-faible. La recherche, publiée dans la revue Nature Nanotechnologieaborde les problèmes fondamentaux des matériaux et dispositifs semi-conducteurs intelligents existants tout en démontrant le potentiel de la technologie au niveau des réseaux.
Actuellement, de grandes quantités d'énergie sont consommées dans le calcul parallèle pour traiter le Big Data dans divers domaines tels que l'Internet des objets (IoT), l'analyse des données utilisateur, l'IA générative, les grands modèles de langage (LLM) et la conduite autonome. Cependant, le calcul conventionnel des semi-conducteurs CMOS à base de silicium utilisé pour le calcul parallèle est confronté à des problèmes tels qu'une consommation d'énergie élevée, des vitesses de mémoire et de processeur plus lentes et les limites physiques des processus haute densité. Cela entraîne des problèmes d’énergie et d’émissions de carbone, malgré les contributions positives de l’IA à la vie quotidienne.
Pour relever ces défis, il est nécessaire de surmonter les limites de l'architecture informatique numérique de Von Neumann. En tant que tel, le développement d’un matériel neuromorphique intelligent basé sur des semi-conducteurs de nouvelle génération qui imite les principes de fonctionnement du cerveau humain est devenu une tâche cruciale.
Le cerveau humain comprend environ 100 milliards de neurones et 100 000 milliards de connexions synaptiques. Les synapses stockent des informations interdépendantes via des poids synaptiques et effectuent des calculs et des raisonnements, servant d'unités de base de l'intelligence.
Le matériel neuromorphique basé sur des dispositifs semi-conducteurs intelligents qui imitent les opérations synaptiques du cerveau s'appuie sur des dispositifs memristors capables de stocker plusieurs états de résistance, exploitant ces poids pour le calcul. Cependant, les oxydes métalliques amorphes largement étudiés et utilisés pour les memristors fonctionnent via des filaments conducteurs, conduisant à une accumulation de charges dans des zones spécifiques uniquement. Cela entraîne des ajustements de poids synaptiques asymétriques et non linéaires, ce qui entraîne des inexactitudes dans les calculs parallèles et une faible efficacité énergétique.
Pour résoudre ce problème, le Dr Seung Ju Kim et le professeur Ho Won Jang se sont concentrés sur la mobilité ionique élevée des matériaux pérovskites aux halogénures, qui avaient attiré l'attention en tant que matériaux pour les cellules solaires et les LED de nouvelle génération. Ils se sont concentrés sur le développement de dispositifs neuromorphiques basés sur des matériaux hybrides organiques-inorganiques. L’équipe de recherche a découvert que dans les nouveaux matériaux pérovskites bidimensionnels, les ions peuvent être répartis uniformément sur la surface du semi-conducteur.
Cette avancée a permis la mise en œuvre réussie d’un contrôle du poids synaptique ultra-linéaire et symétrique, ce qui était auparavant impossible à réaliser avec les semi-conducteurs intelligents conventionnels. Les principes théoriques de ce mécanisme ont été prouvés grâce à des calculs de principes fondamentaux menés par une équipe de POSTECH.
En tirant parti des performances du dispositif développé, les chercheurs ont évalué la précision des calculs d’IA effectués sur le matériel. Ils ont confirmé que non seulement avec de petits ensembles de données tels que MNIST et CIFAR, mais également avec de grands ensembles de données comme ImageNET, l'appareil pouvait effectuer une inférence avec une marge d'erreur remarquablement faible, inférieure à 0,08 % dans les limites théoriques.
De plus, grâce à une recherche collaborative avec l'Université de Californie du Sud, il a été démontré que les calculs d'IA pouvaient être accélérés avec une consommation d'énergie ultra faible, non seulement au niveau de l'appareil mais également au niveau de la baie.
Cette recherche, qui améliore considérablement l’efficacité énergétique des matériaux et dispositifs semi-conducteurs intelligents, devrait grandement contribuer à réduire la consommation globale d’énergie dans le calcul de l’IA. De plus, en permettant un contrôle synaptique ultra-linéaire et symétrique du poids, il peut améliorer considérablement la précision des calculs de l’IA et présente un potentiel d’application dans divers domaines tels que la conduite autonome et le diagnostic médical. De plus, cette technologie devrait stimuler les progrès des technologies matérielles d’IA de nouvelle génération ainsi que les innovations dans l’industrie des semi-conducteurs.
La technologie développée dans cette étude est une version améliorée de la technologie présentée il y a trois ans dans un article publié par le Dr Kim et le professeur Jang dans la revue Les matériaux aujourd'hui. Des demandes de brevet sont actuellement en cours d'examen en Corée du Sud et aux États-Unis.
Le professeur Jang, qui a dirigé la recherche, a commenté : « Cette étude fournit des données fondamentales cruciales pour résoudre les problèmes fondamentaux des dispositifs semi-conducteurs intelligents de nouvelle génération. L'importance réside dans la démonstration qu'un mouvement uniforme des ions sur la surface du matériau est plus important pour développer du matériel neuromorphique haute performance plutôt que de créer des filaments localisés dans des matériaux semi-conducteurs.
Fourni par le Collège national d'ingénierie de l'Université nationale de Séoul
