Au-delà du numérique : une puce analogique pour une IA écoénergétique

Les progrès incessants de l'IA ont un coût : une consommation d'énergie qui monte en flèche. L'entraînement et l'exécution de grands modèles d'IA sur du matériel numérique conventionnel, basé sur l'architecture de von Neumann vieille de plusieurs décennies, impliquent de transférer constamment des données entre des unités de traitement et des banques de mémoire distinctes. Ce mouvement de données crée un goulot d'étranglement important, gaspillant à la fois du temps et de l'énergie précieuse. La nouvelle puce d'IBM s'attaque directement à ce problème en adoptant une approche de calcul analogique en mémoire.

Au lieu de représenter l'information par des 0 et des 1 discrets (numérique), le calcul analogique utilise des quantités physiques continues – dans ce cas, la conductance électrique des cellules de mémoire – pour représenter les données, un peu comme les différentes forces des connexions (synapses) entre les neurones du cerveau. Surtout, les calculs ont lieu directement là où les données sont stockées, éliminant ainsi le transfert de données énergivore. Cette puce utilise la mémoire à changement de phase (PCM), une technologie où de minuscules cellules de matériau spécialisé peuvent être commutées entre des états cristallins (faible résistance) et amorphes (haute résistance) en utilisant des impulsions électriques. En contrôlant précisément ces niveaux de résistance, chaque cellule PCM peut agir comme une synapse artificielle, stockant une valeur analogique (un poids synaptique) cruciale pour les calculs de réseaux neuronaux.

Cette puce IBM spécifique intègre plus de 13 millions de cellules synaptiques PCM sur 64 cœurs de calcul analogiques. Cette architecture permet la mise en œuvre de réseaux neuronaux importants directement sur le matériel de la puce. IBM déclare que la puce peut être chargée avec des modèles pré-entraînés, la rendant prête pour les tâches d'inférence (utilisation d'un modèle entraîné pour faire des prédictions). Sa nature analogique la rend particulièrement adaptée au traitement efficace de flux de données continus en temps réel. Lors de tests utilisant le benchmark standard de reconnaissance d'images CIFAR-10, la puce a atteint une précision respectable de 92,81 %, démontrant ainsi ses capacités.

Les chercheurs d'IBM ont mené des expériences d'inférence comparant la puce analogique à un matériel numérique similaire. Les résultats ont indiqué que la puce analogique fonctionnait avec une fiabilité comparable mais opérait plus rapidement tout en consommant beaucoup moins d'énergie. Cette combinaison de vitesse et d'efficacité est le Saint Graal pour de nombreuses applications d'IA, en particulier celles déployées en dehors des grands centres de données.

Les applications potentielles sont vastes. IBM envisage que ces puces IA analogiques soient utilisées dans divers domaines de l'IA, notamment la reconnaissance de formes, le traitement du signal et les tâches d'apprentissage automatique, en particulier là où les contraintes d'alimentation sont importantes, comme dans les appareils périphériques, les capteurs IoT, les véhicules autonomes ou même la technologie portable. La capacité d'effectuer des tâches d'IA complexes localement avec une puissance minimale pourrait ouvrir des possibilités entièrement nouvelles.

Bien que prometteur, le calcul analogique de l'IA est confronté à des défis. Maintenir une haute précision avec des valeurs analogiques peut être plus délicat qu'avec des bits numériques, et les systèmes peuvent être plus sensibles au bruit et aux variations de fabrication. La programmation et la mise à l'échelle de ces systèmes analogiques présentent également des obstacles différents par rapport à l'écosystème numérique mature. Cependant, les avantages potentiels suscitent une recherche intense :

• Réduction drastique de l'énergie : En minimisant le mouvement des données, le calcul en mémoire offre une voie fondamentale vers une consommation d'énergie plus faible pour l'IA.
• Potentiel de vitesse : Effectuer des calculs en parallèle directement en mémoire peut accélérer des types spécifiques de charges de travail d'IA.
• Encombrement et coût réduits ? : À long terme, des architectures analogiques plus simples pourraient conduire à des puces plus petites et potentiellement moins chères pour certaines fonctions.

Le développement d'IBM représente une étape importante dans le domaine naissant du calcul analogique et neuromorphique. Alors que les limites de la mise à l'échelle numérique traditionnelle deviennent plus apparentes et que la demande d'IA puissante mais efficace augmente, le matériel inspiré du cerveau comme cette puce basée sur la PCM pourrait s'avérer crucial pour la prochaine vague d'innovation en intelligence artificielle, rendant l'IA plus omniprésente et durable.