Efficacité énergétique du matériel neuromorphique pratiquement prouvée

Les chercheurs du Human Brain Project collaborent avec Intel pour rapprocher l’IA de l’efficacité énergétique du cerveau

La technologie neuromorphique est plus économe en énergie pour les grands réseaux d’apprentissage en profondeur que d’autres systèmes d’IA comparables. Ceci est démontré par des expériences menées en collaboration entre des chercheurs travaillant sur le Human Brain Project (HBP) à TU Graz et Intel, en utilisant une nouvelle puce d’Intel qui utilise des neurones semblables au cerveau.

L’équipe de recherche : Wolfgang Maass, Mike Davies, Philipp Plank (crédit image : Lunghammer – TU Graz, Tim Herman/Intel Corporation, diemosbachers.at)

Les machines intelligentes et les ordinateurs intelligents capables de reconnaître et de déduire de manière autonome des objets et des relations entre différents objets font l’objet de recherches en intelligence artificielle (IA) dans le monde entier. La consommation d’énergie est un obstacle majeur sur la voie d’une application plus large de ces méthodes d’IA. La technologie neuromorphique devrait fournir un coup de pouce dans la bonne direction. La technologie neuromorphique est calquée sur le cerveau humain, qui est le champion mondial de l’efficacité énergétique. Pour traiter l’information, ses cent milliards de neurones ne consomment qu’environ 20 watts, soit à peine plus d’énergie qu’une ampoule à économie d’énergie moyenne.

Une équipe de recherche du partenaire HBP TU Graz et Intel a maintenant démontré expérimentalement pour la première fois qu’un grand réseau de neurones sur du matériel neuromorphe consomme considérablement moins d’énergie qu’un matériel non neuromorphe. Les résultats ont été publiés dans Nature Machine Intelligence. Le groupe s’est concentré sur les algorithmes qui fonctionnent avec des processus temporels. Par exemple, le système devait répondre à des questions sur une histoire déjà racontée et comprendre les relations entre les objets ou les personnes dans le contexte. Le matériel testé était composé de 32 puces Loihi (remarque : Loihi est le nom de la puce de recherche neurale d’Intel). “Notre système est ici deux à trois fois plus rentable que les autres modèles d’IA”, déclare Philipp Plank, doctorant à l’Institut d’informatique théorique de TU Graz et employé d’Intel.

Plank offre la perspective de gains d’efficacité supplémentaires, car l’introduction de la nouvelle génération Loihi améliorera la communication puce à puce à forte consommation d’énergie. En effet, la communication neuronale sur une seule puce était encore plus remarquable. Les mesures ont montré que la consommation d’énergie était ici jusqu’à 1000 fois plus efficace, car aucun potentiel d’action (appelé pointes) ne devait être envoyé entre les puces.

Imiter la mémoire humaine à court terme

Dans leur concept, le groupe a reproduit une méthode supposée du cerveau humain, comme l’explique Wolfgang Maass, directeur de thèse de Philipp Plank et professeur émérite à l’Institut d’informatique théorique : « Des études expérimentales ont montré que le cerveau humain peut stocker des informations pour une courte période de temps, même sans activité neuronale, à savoir dans les soi-disant « variables internes » des neurones. Les simulations suggèrent qu’un mécanisme de fatigue d’un sous-ensemble de neurones est essentiel pour cette mémoire à court terme. La preuve directe fait défaut car ces variables internes ne peuvent pas encore être mesurées, mais cela signifie que le réseau n’a qu’à tester quels neurones sont actuellement fatigués pour reconstruire quelles informations ont été précédemment traitées. En d’autres termes, les informations précédentes sont stockées dans l’inactivité des neurones, et l’inactivité consomme moins d’énergie.

Symbiose réseau récurrente et feed-forward

Les chercheurs relient à cette fin deux types de réseaux d’apprentissage en profondeur. Les réseaux de rétroaction neuronale sont responsables de la « mémoire à court terme ». Beaucoup de ces modules dits récurrents filtrent les éventuelles informations pertinentes du signal d’entrée et les stockent. Un réseau d’anticipation détermine ensuite lesquelles des relations trouvées sont vraiment importantes pour résoudre la tâche à accomplir. Les relations sans signification sont éliminées, les neurones ne se déclenchent que dans les modules où des informations pertinentes ont été trouvées. Ce processus conduit finalement à des économies d’énergie.

Une étape importante vers une IA économe en énergie

Steve Furber, chef de la division informatique neuromorphique à HBP et professeur de génie informatique à l’université de Manchester, commente les travaux de l’équipe de Graz :

«Cette avancée apporte à la promesse d’une IA basée sur les événements écoénergétique sur des plateformes neuromorphiques une étape importante vers la réalisation. Le nouveau moteur convient aux systèmes informatiques neuromorphiques tels que Intel Loihi et SpiNNaker, qui sont capables de prendre en charge des modèles de neurones à plusieurs compartiments », a déclaré Furber, créateur du système informatique neuromorphique SpiNNaker, disponible auprès d’EBRAINS Research chez HBP. Les infrastructures.

TU Graz au Human Brain Project

Au sein du Human Brain Project, le groupe de Wolfgang Maass est l’un des principaux contributeurs au domaine de recherche « Réseaux adaptatifs pour architectures cognitives : de l’apprentissage avancé à la neurorobotique et aux applications neuromorphiques ». Ici, les scientifiques travaillent sur des algorithmes inspirés du cerveau pour résoudre des tâches d’IA et des schémas d’apprentissage en profondeur pour des applications basées sur des pics. Le groupe s’inspire de la façon dont les neurones communiquent dans le cerveau pour étudier de nouvelles méthodes de réseaux de neurones artificiels à haute efficacité énergétique.

Contact média :

Pierre Zekert
Téléphone : +49 2461 61 96860
press@humanbrainproject.eu

Déclaration de financement

Cette recherche a été financée par Intel et le European Human Brain Project, qui relie les neurosciences, la médecine et les technologies inspirées du cerveau dans l’UE. A cette fin, le projet crée une infrastructure permanente de recherche numérique, EBRAINS. Ce travail de recherche est ancré dans les domaines d’activité “Humain et biotechnologie” et “Information, communication et informatique”, deux des cinq domaines d’activité de TU Graz.

À PROPOS DU PROJET HUMAN BRAIN

Le Human Brain Project (HBP) est le plus grand projet de science du cerveau en Europe et fait partie des plus grands projets de recherche jamais financés par l’Union européenne. Il s’agit de l’un des trois projets phares de l’UE FET. À l’interface des neurosciences et des technologies de l’information, HBP étudie le cerveau et ses maladies à l’aide de méthodes informatiques très avancées, de la neuroinformatique et de l’intelligence artificielle, et stimule l’innovation dans des domaines tels que l’informatique inspirée du cerveau et la neurorobotique.

Nouvelle brochure HBP : Faits saillants sur les dernières avancées scientifiques

Retrouvez la version numérique ici

À PROPOS D’EBRAINS

EBRAINS est un nouvelle infrastructure de recherche numériquecréé par le projet Human Brain, financé par l’UE, pour encourager la recherche liée au cerveau et aider à traduire les dernières découvertes scientifiques en innovation dans la médecine et l’industrie au profit des patients et de la société.

Il s’appuie sur des neurosciences de pointe et propose une large gamme de ensembles, un cerveau à plusieurs niveaux Atlas, la modélisation et simulation outils, accès facile à calcul haute performance ressources et pour robotique et neuromorphique plates-formes.

Tous les chercheurs universitaires accès libre aux services de pointe d’EBRAINS. chercheurs de l’industrie sont également les bienvenus pour utiliser la plateforme dans le cadre d’accords spécifiques. Pour plus d’informations sur EBRAINS, veuillez nous contacter à info@ebrains.eu ou visiter www.ebrains.eu.

IMAGES

Le gros plan montre une carte Intel Nahuku, contenant chacune huit à 32 puces de recherche neuromorphiques Intel Loihi. © Tim Herman/Intel Corporation

Le scientifique de la TU Graz Wolfgang Maass traite de la question de savoir comment le traitement de l’information fonctionne dans le cerveau humain et comment il peut être utilisé pour des applications informatiques. © Lunghammer – TU Graz

Leave a Comment