Circuits en spirale pour une IA plus efficace –

L’apprentissage automatique est un type d’IA qui permet aux ordinateurs d’être formés par des exemples de données pour faire des prédictions pour de nouvelles instances. Par exemple, un algorithme de haut-parleur intelligent comme Alexa peut apprendre à comprendre vos commandes vocales, afin de pouvoir vous comprendre même lorsque vous demandez quelque chose pour la première fois. Cependant, l’IA a tendance à nécessiter beaucoup d’énergie électrique pour s’entraîner, ce qui soulève des inquiétudes quant à l’ajout du changement climatique.

Maintenant, des scientifiques de l’Institut des sciences industrielles de l’Université de Tokyo ont développé une nouvelle conception pour empiler des modules de mémoire résistifs à accès aléatoire avec un transistor d’accès à oxyde semi-conducteur (IGZO) dans une spirale tridimensionnelle. Le fait d’avoir une mémoire non volatile sur puce placée à proximité des processeurs rend le processus d’apprentissage automatique beaucoup plus rapide et plus économe en énergie. En effet, les signaux électriques ont une distance beaucoup plus courte à parcourir par rapport au matériel informatique conventionnel. Empiler plusieurs couches de circuits est une étape naturelle, car l’entraînement de l’algorithme nécessite souvent que de nombreuses opérations soient exécutées en parallèle en même temps.

«Pour ces applications, la sortie de chaque couche est généralement connectée à l’entrée de la couche suivante. Notre architecture réduit considérablement le besoin de câblage d’interconnexion», déclare le premier auteur Jixuan Wu.

L’équipe a pu rendre l’appareil encore plus économe en énergie en mettant en œuvre un système de réseaux de neurones binarisés. Au lieu de permettre aux paramètres d’être n’importe quel nombre, ils sont limités à +1 ou -1. Cela simplifie grandement le matériel utilisé, ainsi que la compression de la quantité de données à stocker. Ils ont testé l’appareil à l’aide d’une tâche courante dans l’IA, en interprétant une base de données de chiffres manuscrits. Les scientifiques ont montré que l’augmentation de la taille de chaque couche de circuit pouvait améliorer la précision de l’algorithme, jusqu’à un maximum d’environ 90%.

«Afin de maintenir une faible consommation d’énergie alors que l’IA s’intègre de plus en plus dans la vie quotidienne, nous avons besoin de matériel plus spécialisé pour gérer ces tâches efficacement», explique l’auteur principal Masaharu Kobayashi.

Ce travail est une étape importante vers «l’Internet des objets», dans lequel de nombreux petits appareils compatibles avec l’IA communiquent dans le cadre d’une «maison intelligente» intégrée.

Source de l’histoire:

Matériaux fourni par Institut des sciences industrielles, Université de Tokyo. Remarque: le contenu peut être modifié pour le style et la longueur.