Crédit :Krasula, Shutterstock
Inspirés par les effraies des clochers, les chercheurs ont développé un système de localisation innovant qui combine des capteurs de pointe avec une carte informatique neuromorphique basée sur une mémoire résistive à accès aléatoire (RRAM).
Alors que nous entrons dans l'ère de l'informatique omniprésente, de plus en plus d'objets de notre quotidien sont intégrés à des microprocesseurs pour faciliter le bon déroulement de nos vies. Pour y parvenir, ces systèmes doivent fonctionner en continu et gaspiller un minimum d'énergie, tout en extrayant des informations utiles et compactes à partir de données bruitées et souvent incomplètes capturées par plusieurs capteurs en temps réel. Grâce à leurs capacités de calcul en mémoire pilotées par les événements, les architectures neuromorphiques hybrides memristives à semi-conducteur à oxyde de métal complémentaire (CMOS) fournissent un substrat matériel idéal pour de telles tâches.
Des chercheurs soutenus en partie par le projet MeM-Scales ont entrepris de démontrer tout le potentiel d'un tel système. À cette fin, ils ont développé un système de localisation d'objets bio-inspiré et piloté par les événements qui associe des capteurs piézoélectriques avancés de transducteur à ultrasons micro-usiné (PMUT) à une carte de calcul neuromorphique basée sur la RRAM. Leur article publié dans la revue Nature Communications décrit comment l'approche neuromorphique proposée a permis de réduire la consommation d'énergie de cinq ordres de grandeur par rapport aux systèmes de localisation conventionnels basés sur des microcontrôleurs.
Inspiré par la nature
L'inspiration pour le système a été tirée de la neuroanatomie de la chouette effraie. "Notre solution proposée représente une première étape dans la démonstration du concept d'un système d'inspiration biologique pour améliorer l'efficacité du calcul", note l'auteur principal de l'étude, le Dr Elisa Vianello, dans un article publié sur EE Times. "Cela ouvre la voie à des systèmes plus complexes qui exécutent des tâches encore plus sophistiquées pour résoudre des problèmes du monde réel en combinant des informations extraites de différents capteurs.
"Nous envisageons qu'une telle approche pour concevoir un système bio-inspiré sera essentielle pour construire la prochaine génération d'appareils d'IA de pointe, dans lesquels les informations sont traitées localement et avec un minimum de ressources. En particulier, nous pensons que les petits animaux et les insectes sont un grande source d'inspiration pour une combinaison efficace de traitement de l'information sensorielle et de calcul. Grâce aux dernières avancées technologiques, nous pouvons coupler des capteurs innovants avec un calcul avancé basé sur la RRAM pour construire des systèmes à très faible consommation », déclare le Dr Vianello, qui est chercheur principal au laboratoire d'électronique et de technologie de l'information CEA-Leti du coordinateur du projet MeM-Scales Commissariat aux énergies alternatives et à l'énergie atomique en France.
L'équipe de recherche a effectué des mesures du système composé de détecteurs de coïncidence basés sur RRAM, de circuits à ligne à retard et d'un capteur à ultrasons entièrement personnalisé. Ils ont utilisé les résultats expérimentaux pour calibrer les simulations au niveau du système. Ces simulations ont ensuite été utilisées pour estimer la résolution angulaire et l'efficacité énergétique du modèle de localisation d'objets. Les résultats ont montré une efficacité énergétique bien supérieure à celle d'un microcontrôleur effectuant la même tâche. "L'objectif est, comme toujours, d'obtenir la meilleure efficacité énergétique pour le niveau de performance requis par une application spécifique. D'autres améliorations de l'efficacité énergétique sont certainement possibles avec notre système", observe le Dr Vianello.
L'étude démontre que la combinaison de capteurs visuels tels que des caméras à capteur de vision dynamique avec un capteur auditif basé sur PMUT devrait être explorée pour développer de futurs robots grand public. Le projet MeM-Scales (Memory technologies with multi-scale time constants for neuromorphic architectures) se termine en juin 2023. + Explorer plus loin
