Intel vient de présenter Loihi 2, sa puce de recherche neuromorphique de deuxième génération, et Lava, un cadre logiciel open source assurant le développement d’applications pour son architecture.
Les architectures neuromorphiques sont des systèmes matériels qui reproduisent les principes de fonctionnement neuronal du cerveau pour effectuer des calculs distribués. L’objectif est de reproduire les caractéristiques qui font la sobriété et la polyvalence du cerveau : alors que les ordinateurs conventionnels excellent dans la vitesse et la précision, le cerveau l’emporte toujours dans la gestion de la nouveauté ou de l’imprévu, de la complexité et de l’ambiguïté, ainsi que dans les tâches pratiques telles que la reconnaissance faciale et le contrôle visuel. Les systèmes neuromorphiques promettent en outre un fonctionnement intrinsèquement économe en énergie et tolérant aux pannes, directement implémenté dans le matériel.
Mais du fait de leur architecture distribuée, les systèmes neuromorphiques nécessitent des langages de développement et des technologies spécifiques. En effet, les ordinateurs actuels reposent sur un modèle architectural dit Von Neumann, dans lequel les capacités de computation et de stockage sont séparées, et les instructions sont traitées de manière séquentielle et synchrone. C’est en définitive une architecture qui coûte très cher en énergie. Elle est également dispendieuse en puissance de calcul avec ses mécanismes de correction d’erreurs, sa latence et le traitement des micro-instructions.
Un traitement jusqu’à 10 fois plus rapide
Contrairement aux systèmes Van Neumann, les architectures basées sur les puces de recherche Loihi 2 peuvent prendre en charge de nouvelles classes d’algorithmes et d’applications. Loihi 2 a été fabriqué à partir d’une version de préproduction du processus Intel 4, le nom générique donné par Intel à son processus de gravure à 7 nm. Selon Intel, la puce offre un traitement jusqu’à 10 fois plus rapide, une densité de ressources jusqu’à 15 fois supérieure avec jusqu’à 1 million de neurones par puce, ainsi qu’une meilleure efficacité énergétique.
Pour arriver à ce résultat, Intel a eu recours à la lithographie à ultraviolets extrêmes (EUV). Un procédé qui permet d’augmenter la densité des transistors dans une puce en réduisant la longueur d’onde des rayons servant à la gravure. D’après les dernières évaluations, Loihi 2 atteint des réductions de plus de 2 fois du nombre d’opérations par inférence, par rapport aux réseaux d’apprentissage profond fonctionnant sur Loihi 1. Selon Intel, la version 2 représente une avancée significative pour l’accélération de certains types de calculs, tels que le traitement parallèle à faible consommation, la computation à grain fin et l’apprentissage en temps réel.
De nouvelles classes d’applications « neuro-fonctionnelles »
Une architecture aussi radicalement différente des anciens modèles utilisés jusqu’ici nécessite des environnements de développement et des langages spécifiques. C’est la raison pour laquelle Intel a développé Lava, un environnement de développement open source pour la mise au point d’applications « neuro-fonctionnelles ». Les développeurs-chercheurs — nous sommes toujours dans un domaine de recherche — peuvent ainsi expérimenter et caractériser de nouvelles applications pour le traitement en temps réel, la résolution de problèmes et l’apprentissage entre autres.
Intel affirme que Loihi 2 améliore la prise en charge des méthodes d’apprentissage avancées, notamment les variantes de la rétropropagation, l’algorithme phare du deep learning. Pour faire simple, la rétrogradation ou backpropagation en anglais est un algorithme permettant de calculer et d’ajuster le gradient d’erreur pour chaque neurone du réseau neuromorphique. En outre, les modèles de neurones entièrement programmables et la messagerie généralisée dans Loihi 2 permettent aux développeurs un large éventail de nouveaux modèles de réseaux neuronaux pouvant être entraînés par apprentissage profond.
Mourad Krim
