Sieun Chae, de l'université d'État de l'Oregon, a mis au point une nouvelle puce d'intelligence artificielle qui multiplie par six l'efficacité énergétique grâce à un nouveau système de matériaux. Cette avancée vise à réduire la consommation d'énergie considérable de l'intelligence artificielle en imitant les méthodes de traitement intégrées des réseaux neuronaux biologiques. Crédit : Issues.fr.com
Une nouvelle puce d'IA pourrait potentiellement multiplier par six l'efficacité énergétique, en alignant le calcul et le stockage des données d'une manière similaire aux réseaux neuronaux biologiques et en réduisant considérablement l'empreinte électrique de l'IA.
Un chercheur du College of Engineering de l'Oregon State University a contribué au développement d'un nouveau intelligence artificielle puce qui se vante d'une amélioration de l'efficacité énergétique de six fois par rapport à la norme industrielle actuelle.
L’utilisation croissante de l’intelligence artificielle s’accompagne d’une augmentation des besoins énergétiques. Selon les projections, l’intelligence artificielle devrait représenter 0,5 % de la consommation énergétique mondiale d’ici 2027, soit autant que la consommation annuelle des Pays-Bas.
Sieun Chae, professeur adjoint de génie électrique et d'informatique, s'efforce de réduire l'empreinte électrique de cette technologie. Elle étudie des puces, basées sur une nouvelle plate-forme matérielle, qui permettent à la fois le calcul et le stockage de données, imitant la manière dont les réseaux neuronaux biologiques gèrent le stockage et le traitement de l'information.
Les résultats de ses recherches ont été récemment publiés dans Électronique naturelle.
Traitement efficace de l'IA
« Avec l'émergence de l'IA, les ordinateurs sont obligés de traiter et de stocker rapidement de grandes quantités de données », a déclaré Chae. « Les puces IA sont conçues pour calculer des tâches en mémoire, ce qui minimise le transfert de données entre la mémoire et le processeur ; ainsi, ils peuvent effectuer les tâches d’IA de manière plus économe en énergie.
Les puces comportent des composants appelés memristors – abréviation de résistances de mémoire. La plupart des memristors sont fabriqués à partir d'un système de matériaux simple composé de deux éléments, mais ceux de cette étude comportent un nouveau système de matériaux appelé oxydes stabilisés par entropie, ou ESO. Plus d’une demi-douzaine d’éléments composent les ESO, permettant d’affiner leurs capacités de mémoire.
Les memristors sont similaires aux réseaux de neurones biologiques dans la mesure où aucun d’eux n’a de source de mémoire externe – aucune énergie n’est donc perdue lors du déplacement des données de l’intérieur vers l’extérieur et inversement. En optimisant le ESO composition qui fonctionne le mieux pour des tâches spécifiques d'IA, les puces basées sur l'ESO peuvent effectuer des tâches avec beaucoup moins d'énergie que l'unité centrale de traitement d'un ordinateur, a déclaré Chae.
Un autre résultat est que les réseaux de neurones artificiels seraient capables de traiter des informations qui dépendent du temps, telles que des données audio et vidéo, grâce à l'ajustement de la composition des ESO afin que l'appareil puisse fonctionner sur une échelle de temps variée.
Financée par la National Science Foundation, l'étude a été dirigée par des chercheurs de l'Université du Michigan ; Chae a participé en tant qu'étudiant au doctorat au Michigan avant de rejoindre la faculté de l'État de l'Oregon.
La collaboration comprenait également des chercheurs de l’Université d’Oklahoma, de l’Université Cornell et de l’Université d’État de Pennsylvanie.
