Innatera dévoile ses premières puces IA neuromorphiques pour applications edge ultra-basse consommation

Innatera, une startup néerlandaise spécialisée dans les accélérateurs IA neuromorphiques pour réseaux de neurones à impulsions (SNN), a produit ses premières puces, évalué leurs performances et révélé des détails architecturaux clés.

La société a également annoncé qu'Alberto Sangiovanni-Vincentelli — cofondateur de Cadence et Synopsys — a rejoint le conseil d'administration comme président. Sangiovanni-Vincentelli est actuellement professeur à UC Berkeley et apporte des décennies d'expérience industrielle.

La puce d'Innatera est conçue pour accélérer différents SNN pour applications audio, santé et radar (Image : Innatera)

Contrairement aux modèles IA conventionnels, les SNN imitent l'activité d'impulsions du cerveau, utilisant le timing précis d'impulsions électriques pour effectuer la reconnaissance de motifs. En raison de ce paradigme computationnel unique, les SNN exigent du matériel dédié capable de traiter des données de séries temporelles efficacement tout en consommant une puissance minimale.

Alors que de nombreux rivaux comme Prophesee ciblent les flux d'images et vidéo, Innatera se concentre sur l'audio (reconnaissance vocale), la santé (surveillance des signes vitaux) et le radar (détection de chutes préservant la vie privée pour les personnes âgées). Ces domaines reposent sur des données de séries temporelles continues et requièrent des enveloppes d'alimentation serrées au niveau du nœud capteur.

Marco Jacobs (Image : Innatera)

« Notre réseau excelle au traitement des données de séries temporelles, qui est le cœur des applications audio, santé et radar », a déclaré Marco Jacobs, VP Marketing et Développement Commercial. « Il y a peu de solutions qui adressent efficacement ces besoins. »

Les tests d'Innatera montrent que chaque événement d'impulsion consomme moins d'un picojoule — sous 200 fJ dans un processus TSMC 28 nm — approchant l'énergie utilisée par les neurones biologiques. Une tâche typique de détection de mots-clés nécessitait moins de 500 impulsions par inférence, produisant une dissipation de puissance sous-milliwatt, selon le PDG Sumeet Kumar.

Groupes de neurones tirant (groupes de points) représentent la détection de phonèmes dans la parole. À mesure que les données d'entrée intègrent plus de bruit, les mêmes groupes sont majoritairement présents, bien qu'ils soient plus difficiles à repérer (Image : Innatera)

Architecture de traitement

Le processeur d'Innatera utilise un réseau neuro-synaptique massivement parallèle avec encodeurs et décodeurs d'impulsions, opérant dans un domaine analogique/mixte-signal pour préserver la dynamique en temps continu.

Le processeur neuronal à impulsions d'Innatera inclut un réseau neuro-synaptique massivement parallèle et des encodeurs et décodeurs d'impulsions (Image : Innatera)

L'architecture met l'accent sur la programmabilité, permettant une connectivité neuronale flexible et des ajustements fins du timing d'impulsions via le SDK. Cette flexibilité est essentielle pour reproduire les topologies de réseau complexes du cerveau en silicium et pour optimiser la performance sur diverses charges de travail SNN.

Les neurones et synapses sont implémentés en silicium analogique pour maintenir une puissance ultra-faible et permettre la rétention d'état en temps continu — des tâches qui seraient coûteuses à discrétiser dans des circuits purement numériques. « Les domaines analogiques préservent naturellement l'information d'état, éliminant le besoin de l'encoder dans la topologie du réseau », a déclaré Kumar.

Un segment de calcul dans le réseau d'Innatera, où les neurones sont conçus pour être soigneusement appariés. Les synapses programmables sont disposées dans une structure de barres croisées multi-niveaux. (Lignes/noire traits ici représentent les impulsions d'entrée et de sortie) (Image : Innatera)

Pour atténuer la variabilité de fabrication, Innatera regroupe les neurones en segments étroitement appariés, assurant un comportement déterministe à travers le réseau. Le logiciel dans le SDK compense les désaccords résiduels, permettant aux développeurs de se concentrer sur la logique d'application plutôt que sur le calibrage de bas niveau.

Focus application-spécifique

Issue de l'Université de Technologie de Delft, Innatera a obtenu 5 millions d'euros (≈6 millions $) en financement d'amorçage fin 2020. La société a déjà engagé des clients générant des revenus, livrant des algorithmes SNN matures avant de passer au matériel.

« Nous sommes une entreprise de solutions de calcul », a déclaré Kumar. « Nous fournissons des solutions clés en main combinant matériel avec algorithmes SNN spécifiques à l'application. »

La première puce est validée pour les cas d'usage audio, santé et radar, avec une feuille de route qui pourrait introduire d'autres optimisations adaptées à chaque domaine. « Notre architecture supporte une large gamme de SNN à travers les applications, mais nous continuerons à affiner le matériel pour une intégration de domaine plus profonde », a ajouté Kumar.

Les premiers échantillons de puces devraient être expédiés avant la fin 2021.

> Cet article a été publié à l'origine sur notre site sœur, EE Times.

---

Contenus connexes :

• Puce IA cible appareils edge basse consommation
• Chaîne d'outils, carte capteur améliorent l'écosystème puce IA
• Nouveaux modules d'accélération IA améliorent la performance edge
• IA en périphérie : quoi surveiller en 2021
• Comment implémenter l'AI des Objets (AIoT) sur MCU

Pour plus d'Embedded, abonnez-vous à la newsletter hebdomadaire d'Embedded.