Des chercheurs des Sandia National Laboratories ont démontré que les ordinateurs neuromorphiques qui reproduisent synthétiquement la logique du cerveau peuvent résoudre des problèmes plus complexes que ceux posés par l’IA.
Dans un article récemment publié dans la revue Électronique naturelleles chercheurs ont détaillé leurs découvertes qui montrent que les simulations neuromorphiques utilisant la méthode statistique appelée marches aléatoires peuvent effectuer toutes sortes de calculs avancés comme le suivi des rayons X traversant les os et les tissus mous, la maladie traversant une population, les informations circulant sur les réseaux sociaux et plus encore. .
Les ordinateurs neuromorphiques peuvent même résoudre des problèmes plus rapidement tout en utilisant moins d’énergie que l’informatique conventionnelle dans des cas optimaux selon le neuroscientifique théorique de Sandia et chercheur principal James Bradley Aimone. Cela devrait intéresser particulièrement la communauté du calcul haute performance (HPC), car les problèmes statistiques ne sont pas vraiment adaptés aux GPU ou aux CPU.
L’ingénieur de Sandia et l’auteur du nouvel article, Brian Franke, ont fourni un aperçu supplémentaire dans un communiqué de presse sur la façon dont les ordinateurs neuromorphiques peuvent être plus efficaces que les GPU dans certains scénarios, en disant :
« Le caractère aléatoire naturel des processus que vous énumérez les rendra inefficaces lorsqu’ils seront directement mappés sur des processeurs vectoriels comme les GPU sur les efforts de calcul de nouvelle génération. Pendant ce temps, les architectures neuromorphiques sont une alternative intrigante et radicalement différente pour la simulation de particules qui peut conduire à une approche évolutive et économe en énergie pour résoudre les problèmes qui nous intéressent.
Informatique neuromorphique
Pour effectuer leurs tests, les chercheurs de Sandia ont utilisé la plate-forme Loihi de 50 millions de puces qu’ils ont reçue il y a un an et demi d’Intel.
Bien que l’informatique néo-morphique ne soit pas destinée à défier d’autres méthodes informatiques, il existe d’autres domaines dans lesquels la combinaison de la vitesse de calcul et des faibles coûts énergétiques en font un meilleur choix selon Aimone.
Dans le même temps, les puces contenant des neurones artificiels sont bon marché et faciles à installer contrairement aux difficultés posées par l’ajout de qubits aux ordinateurs quantiques. Cependant, déplacer des données sur ou hors des processeurs de neurochip peut coûter cher car plus ils collectent de données, plus le système qui les utilise devient lent jusqu’à ce qu’il ne fonctionne plus du tout. Les chercheurs de Sandia ont réussi à surmonter cet obstacle en configurant un petit groupe de neurones qui calculaient des statistiques récapitulatives qui étaient produites à la place des données brutes.
Tout comme le cerveau humain, les puces neuromorphiques fonctionnent en électrisant de petites structures en forme de broches et en ajoutant de minuscules charges émises par les capteurs environnants jusqu’à ce qu’un certain niveau électrique soit atteint. Ensuite, la broche émet une minuscule rafale électrique comme un neurone biologique.
À l’avenir, la prochaine version de Loihi augmentera son échelle de puces actuelle de 128 000 neurones par puce à jusqu’à un million avec des systèmes à grande échelle combinant plusieurs puces à une carte. À terme, une technologie comme Loihi pourrait trouver sa place dans une plate-forme informatique haute performance pour aider à rendre le HPC plus économe en énergie et plus respectueux de l’environnement, ainsi que plus abordable.