Des chercheurs américains du 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 Nature Electronics, les chercheurs du SNL exposent leurs conclusions selon lesquelles les simulations neuromorphiques utilisant la méthode statistique - appelée marche aléatoire - peuvent effectuer toutes sortes de calculs avancés. Comme le suivi des rayons X traversant les os et les tissus mous, des virus traversant une population, des informations circulant dans les réseaux sociaux, etc.
D’après James Bradley Aimone, neuroscientifique et chercheur principal en charge de l’étude, les ordinateurs neuromorphiques peuvent même résoudre des problèmes plus rapidement tout en utilisant moins d'énergie que les ordinateurs conventionnels dans des cas optimaux. Cette découverte devrait présenter un intérêt particulier pour la communauté du calcul haute performance (HPC), car les problèmes statistiques restent relativement inadaptés aux GPU ou aux CPU modernes.
Brian Franke, ingénieur de Sandia et auteur du nouvel article, a expliqué dans un communiqué de presse comment les ordinateurs neuromorphiques peuvent être plus efficaces que les GPU dans certains scénarios :
"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 la prochaine génération. En attendant, les architectures neuromorphiques constituent une alternative intrigante et radicalement différente pour la simulation de particules qui pourrait conduire à une approche évolutive et économe en énergie pour résoudre les problèmes qui nous intéressent".
L'informatique neuromorphique, une solution viable ?
Pour effectuer leurs tests, les chercheurs du SNL ont utilisé la plateforme Loihi, dotée de 50 millions de puces et expédiée par Intel il y a un an et demi.
Si l'informatique neuromorphique n'a pas vocation à remettre en cause les autres méthodes de calcul, il existe d'autres domaines dans lesquels la combinaison de la vitesse de calcul et des faibles coûts énergétiques en font une meilleure alternative, de l’expertise de M. Aimone.
Par ailleurs, les puces contenant des neurones artificiels sont abordables et faciles à installer, contrairement aux difficultés posées par l'ajout de qubits aux ordinateurs quantiques. Reste un frein majeur : le transfert de données sur les processeurs des neuropuces ou hors de ceux-ci peut s'avérer coûteux, car plus ils collectent de données, plus le système qui les exploite devient lent. Jusqu'à ce qu'il finisse par ne plus fonctionner du tout. Les chercheurs du SNL sont parvenus à surmonter cet obstacle en configurant un petit groupe de neurones qui calculent des statistiques sommaires et les transmettent à la place des données brutes.
Tout comme le cerveau humain, les puces neuromorphiques fonctionnent en électrifiant de petites structures en forme d'épingle et en ajoutant de minuscules charges émises par des capteurs environnants jusqu'à ce qu'un certain niveau électrique soit atteint. Ensuite, la broche émet une minuscule décharge électrique comme un neurone biologique.
La prochaine version de Loihi augmentera l'échelle actuelle de 128 000 neurones par puce jusqu'à un million avec des systèmes à grande échelle combinant plusieurs puces sur une carte. À terme, une technologie comme Loihi pourrait trouver sa place dans une plate-forme de calcul à haute performance afin de rendre le calcul intensif plus efficace sur le plan énergétique, plus respectueux de l'environnement et plus économique.
- Elon Musk devrait implanter ses premières puces sur un cerveau humain
- Meilleurs ordinateurs : 10 configurations complètes à adopter
- Meilleures cartes mères 2022 : le top des modèles Intel et AMD
