Douée d’intelligence artificielle, cette puce ne « brûle » pourtant qu’un petit milliardième de joule – hors phase d’apprentissage et programmation - pour assurer une fonction de reconnaissance de mouvement. « En comparaison et pour donner un ordre de grandeur, un microcontrôleur consomme mille fois plus d’énergie », informe Damien Querlioz.
Ce chercheur CNRS au Centre de nanosciences et nanotechnologies (C2N) a supervisé l’étude scientifique qui présente ces résultats, publiée dans Nature Electronics en décembre 2022 et conduite par les doctorants Kamel-Eddine Harabi, Tifenn Hirtzlin et Clément Turck.
Une sobriété énergétique aussi poussée est due à l’architecture neuromorphique dont profite cette puce, imitant celle du cerveau : les calculs sont exécutés par des transistors, jouant le rôle des neurones, à proximité immédiate des memristors - des nanostructures dont la résistance électrique est variable – faisant office de synapses stockant l'information. Un « circuit court » qui minimise les dépenses d’énergie liées au fonctionnement du composant électronique.
« On savait que les memristors offraient du potentiel pour la conception d’une IA à basse consommation, explique Damien Querlioz. Mais jusqu’alors, la démarche demeurait conceptuelle, faute de technologie pour intégrer des transistors et memristors à grande échelle. Grâce au CEA-Leti et à sa ligne de fabrication préindustrielle, ouverte aux groupes universitaires, c’est la première fois que nous pouvons faire une machine complète. »
Damien Querlioz (CNRS/univ Paris Saclay) Les blocs de memristors, au nombre de 16, apparaissent sous la forme de carrés noirs sur cette photographie.
Fabriquée avec un procédé CMOS standard, cette « machine » compte précisément 2048 memristors, qui conservent les données même en l’absence d’alimentation électrique, et quelque 30000 transistors, destinés au contrôle et aux calculs stochastiques. Les memristors ne se laissent pas apprivoiser facilement. « Il faut trouver la bonne tension, les bons réglages… C’est une démarche assez empirique,juge Damien Querlioz. Ce sont des atomes qui se déplacent, donc si on dépasse une certaine limite, on peut détruire des composants. »
Si, matériellement, cette puce s’apparente à un réseau de neurones, elle s’en distingue d’un point de vue logiciel, ce qui fait aussi son originalité dans la communauté scientifique. « Il s’agit d’inférence bayésienne, un autre type d’IA adapté à une faible quantité d’informations et à un grand nombre d’incertitudes », décrit Damien Querlioz.
Une machine à 130 000 memristors en prévision
Des qualités idéales pour l’usage qu’imagine ce chercheur : la détection, au travers de capteurs médicaux, de chute ou d’inactivité de personnes âgées et/ou dépendantes. Dans ce contexte d’informatique à la périphérie (edge), les données sont parfois bruitées, très variables et livrées au compte-gouttes, ce qui tranche avec le Big Data dont se nourrissent goulument les réseaux de neurones. Par ailleurs, « la décision d’une IA bayésienne est explicable, ce qui est important pour un diagnostic médical », souligne Damien Querlioz.
Un tel système est cependant très spécialisé. « Il est en partie reconfigurable à condition que les équations soient du même genre, reconnaît le chercheur. Plus c’est reconfigurable, moins c’est efficace énergétiquement parlant. C’est une question d’arbitrage. »
D’autre part, la machine bayésienne du C2N, testée pour identifier des gestes simples (écriture de chiffres), est encore trop limitée pour être opérationnelle dans des applications de santé. « Mais ce prototype montre la voie », poursuit-il. Un chemin que va suivre la prochaine puce produite par le CEA-Leti, forte de 130 000 memristors, qui devrait quant à elle avoir une utilité concrète.
