Trier les exigences évolutives de l'IA

L'avènement de l'intelligence artificielle (IA) nécessitera diverses nouvelles solutions microélectroniques pour répondre aux demandes évolutives des centres de données à grande échelle, des systèmes « de taille moyenne » tels que les véhicules autonomes et les robots, et une gamme croissante d'appareils mobiles, d'appareils, de dispositifs portables, et des applications encore insoupçonnées. La nécessité d'atteindre une efficacité et une vitesse sans précédent dans la collecte et l'analyse des données, tout en gérant également la consommation d'énergie et le facteur de forme, est d'une importance capitale.

Dans le domaine du matériel, cela nécessitera une réflexion innovante et de nouveaux paradigmes en matière de capteurs, de processeurs, de mémoire, d'interconnexion et de conditionnement. Des options prometteuses commencent à se matérialiser à partir des efforts de recherche établis et émergents, que nous examinerons dans le contexte de Edge AI et d'autres grandes tendances. À l'avenir, une collaboration préindustrielle interdisciplinaire sera nécessaire pour créer des solutions pratiques et réalisables à partir de ces efforts.

Nous pouvons imaginer le marché à venir de l'IA en comparant les applications en fonction des capacités de calcul et des exigences de consommation d'énergie (Figure 1). Les appareils portables ont les restrictions de puissance les plus importantes et (en termes relatifs) les besoins informatiques les plus faibles. Les centres de données se trouvent à l'opposé, avec des appareils intelligents, de la réalité augmentée, des robots et des véhicules autonomes entre les deux.

Figure 1. (Source :Leti)

Edge AI, dans lequel la plupart des analyses de données ont lieu au point de collecte, est bien adapté aux applications du côté gauche. Bien que cela soit simple à décrire, cela nécessite des niveaux sans précédent de capacité de capteur et de processeur dans des boîtiers extrêmement petits. Les capteurs devront s'inspirer des yeux et des oreilles humains, devenant beaucoup plus adaptables en modifiant leurs caractéristiques (telles que la plage dynamique) en fonction de la cognition et de l'intelligence locale.

Les applications à plus grande échelle, quant à elles, mettront à rude épreuve les paradigmes informatiques traditionnels, en particulier les cycles de lecture/écriture en mémoire constants qui consomment à la fois du temps et de l'énergie.

Fort de ces impératifs, le Leti a privilégié la recherche sur les capteurs intelligents et les approches informatiques innovantes.

L'un des objectifs est un problème fondamental de l'informatique moderne :le transfert de données entre la mémoire et le processeur coûte désormais beaucoup plus cher que le calcul, à la fois en temps et en consommation d'énergie. Le transfert de données et l'accès à la mémoire représentent jusqu'à 90 % de la consommation d'énergie du système, et comme les applications telles que les réseaux de neurones artificiels reposent sur de grandes bases de données et des opérations de calcul simples, la réduction des déplacements de données devient critique.

L'empilement de mémoire sur des processeurs, pour raccourcir les liens physiques, fait l'objet de recherches anciennes du Leti sur les circuits 3D. Nous recherchons maintenant également de nouvelles conceptions de mémoire, qui permettent d'effectuer l'addition, la soustraction et la logique booléenne dans la SRAM. Le coût de surface est négligeable et, plus important, les données ne quittent jamais la mémoire. Ces processeurs d'informatique en mémoire (IMC) ont un fort potentiel pour des applications telles que les réseaux de neurones et la cryptographie, et nous pensons que d'ici les années 2020, ils pourront fournir 100 fois le débit des processeurs conventionnels sur les applications d'IA tout en maintenant la même fréquence et le même budget énergétique.