Des chercheurs d'IBM ont
publié une demande de
brevet avec la structure de puces neuromorphes TrueNorth. Nous avons décidé de jeter un œil à ce document et de parler du fonctionnement du processeur IBM.
/ Flickr / IBM Research / CCÀ propos de TrueNorth
TrueNorth est un processeur neuromorphique développé en 2014 par IBM avec le support de DARPA. Le terme "neuromorphique" signifie que l'architecture de la puce est basée sur les principes du cerveau humain.
Un tel appareil émule le travail de millions de
neurones avec des processus -
dendrites et
axones . Les premiers sont responsables de la perception des informations, tandis que les seconds sont responsables de leur transmission. De plus, tous les neurones sont interconnectés par des
synapses - contacts spéciaux par lesquels des signaux électriques (impulsions nerveuses) sont transmis.
Selon les développeurs IBM, TrueNorth a pour objectif d'accélérer l'apprentissage des réseaux de neurones. Les processeurs neuromorphes, contrairement aux processeurs classiques, n'ont pas besoin d'accéder à la mémoire (ou aux registres) à chaque fois et d'en extraire des données - toutes les informations sont déjà stockées dans des neurones artificiels.
À quoi ressemble la puce à l'intérieur
TrueNorth est
fabriqué à l' aide d'une technologie de processus de 28 nanomètres. Le processeur contient 5,4 milliards de transistors et 4096 cœurs. Chaque cœur était équipé d'un planificateur de tâches, de SRAM et d'un routeur. Cette structure nous a permis de simuler le travail d'un million de neurones et 256 millions de synapses.
Dans son
brevet , IBM cite le schéma suivant:
Les principes de la puce peuvent être représentés par l'exemple des réseaux de neurones convolutifs pour la reconnaissance d'images. Un processeur est une couche de neurones. Lorsqu'un neurone identifie des données, par exemple le contour d'une figure, une impulsion est générée. Chacune de ces impulsions, classiquement, désigne un pixel de l'image.
De plus, la première couche de neurones transmet des données à la couche suivante (à travers toutes les mêmes impulsions). Ainsi, couche par couche, le réseau reconnaît l'image - d'abord les contours et les détails, puis l'ensemble de l'image.
Les langages conventionnels ne conviennent pas à la programmation de noyaux neurosynaptiques. Par conséquent, IBM a
développé un langage spécial Corelet. Il a les propriétés de base de la POO: encapsulation, héritage et polymorphisme et est basé sur MATLAB. Avec cela, les noyaux sont définis comme des classes pour faciliter la gestion de leur travail. Les développeurs ont donné un exemple de code dans leur présentation (
p. 17 ).
Solutions similaires
Les processeurs neuromorphes fonctionnent non seulement chez IBM. Intel développe la puce
Loihi depuis 2017. Il se compose de 130 000 neurones artificiels et 130 millions de synapses. Cette année, le géant de l'informatique a
achevé la production d'un prototype de la technologie de procédé 14 nm. Selon les résultats des premiers tests, la puce reconnaît les données 3D sous un angle différent, en quelques secondes, elle assimile un ensemble de données pour la formation.
Un autre projet similaire est développé par Brainchip. Leur système Akida contient 1,2 million de neurones et 10 milliards de synapses. Le processeur est équipé d'interfaces pour reconnaître les images, les données audio et les signaux analogiques. Le schéma de l'appareil est
présenté sur le site Web du projet .
À quelles tâches les neurochips conviennent-elles?
Des technologies similaires sont conçues pour accélérer la formation de
réseaux de neurones convolutifs , «affûtés» pour la reconnaissance d'images. Par exemple, en 2017, les chercheurs ont
testé TrueNorth et une caméra DVS (Dynamic Vision Sensor), dont le principe ressemble au fonctionnement de la rétine. Le réseau neuronal a reconnu dix gestes avec une précision de 96,5%.
De plus, des systèmes de cyberdéfense seront créés sur la base du processeur. Les chercheurs d'IBM ont déjà
proposé le concept de la solution True Cyber Security, qui détecte les intrusions dans le réseau informatique dans 90% des cas (dans 80% d'entre eux, il détermine le type d'attaque).
Tel que conçu par les développeurs de neuroprocesseurs, les systèmes MO basés sur cette technologie n'auront pas à se connecter constamment au réseau pour la formation, car tous les algorithmes seront mis en œuvre localement. Cette propriété permettra à la puce d'être utilisée dans les smartphones, les centres de données et les appareils intelligents basés sur des systèmes d'IA.
Les chercheurs doivent encore développer des solutions qui permettraient de programmer facilement la puce pour effectuer des tâches spécifiques. Les MP spécialisés ne sont que la première étape du développement de l'ensemble de l'écosystème. Par conséquent, il n'est pas nécessaire de parler de l'implémentation à grande échelle de la technologie dans les appareils des utilisateurs.
PS Nous avons un canal Telegram - là, nous écrivons sur les technologies de virtualisation et IaaS: