Technologie de matériel d’IA imitant les changements de topologie de réseau neuronal

Un groupe de chercheurs de l’Institut de science et de technologie avancée de Corée (KAIST) a proposé un nouveau système inspiré de la neuromodulation du cerveau, appelé « système de stockage ». Ce système nouvellement proposé nécessite moins de consommation d’énergie.

L’équipe était dirigée par le professeur Kyung Min Kim du département des sciences et de la technologie des matériaux. La recherche a été publiée dans Advanced Functional Materials et a été soutenue par le KAIST, la Fondation nationale de la recherche de Corée, le Centre national de nano-fabrication et SK Hynix.

Imitant la topologie de réseau neuronal

Les chercheurs ont développé une technologie qui peut gérer efficacement les opérations mathématiques pour l’intelligence artificielle en imitant les changements de topologie du réseau neuronal en fonction de la situation. Cela a été inspiré par le cerveau humain, qui peut changer sa topologie neuronale en temps réel, lui permettant d’apprendre à stocker ou à rappeler des souvenirs lorsque nécessaire. (NRC )

Ce nouveau type de méthode d’apprentissage d’IA implémente directement les configurations de circuit de coordination neuronale.

Pour une mise en œuvre efficace de l’IA dans les appareils électroniques, il est important que le développement de matériel personnalisé soit pris en charge. Cependant, la plupart des appareils électroniques créés pour l’IA nécessitent une consommation d’énergie élevée. S’ils doivent effectuer des tâches à grande échelle, ils ont également besoin de matrices de mémoire hautement intégrées. Ces limitations en termes de consommation et d’intégration se sont avérées difficiles à surmonter, les chercheurs ont donc commencé à regarder plus en profondeur dans le cerveau humain pour savoir comment il résout les problèmes.

Technologie hautement efficace

L’équipe a démontré l’efficacité de la nouvelle technologie en créant un matériel de réseau neuronal artificiel avec un tableau synaptique auto-rectifiant et un algorithme appelé « système de stockage ». Ce matériel a été développé pour effectuer l’apprentissage de l’IA et a pu réduire l’énergie de 37 % dans le système de stockage sans subir de dégradation de la précision.

« Dans cette étude, nous avons mis en œuvre la méthode d’apprentissage du cerveau humain avec une composition de circuit simple et, grâce à cela, nous avons pu réduire l’énergie nécessaire de près de 40 pour cent », a déclaré le professeur Kim.

L’un des aspects importants de ce nouveau système de stockage imitant l’activité du cerveau est qu’il est compatible avec les appareils électroniques existants et les matériaux de semi-conducteurs commercialisés. Le système pourrait jouer un rôle important dans la conception des puces de semi-conducteurs de prochaine génération pour l’IA.