Les chercheurs d'IBM développent une nouvelle architecture informatique, mieux équipés pour gérer les charges de données accrues de l'intelligence artificielle. Leurs conceptions s'appuient sur des concepts du cerveau humain et surpassent considérablement les ordinateurs conventionnels dans les études comparatives. Ils rendent compte de leurs récentes découvertes dans le Journal de physique appliquée .

Les ordinateurs d'aujourd'hui sont construits sur l'architecture von Neumann, développé dans les années 40. Les systèmes informatiques de Von Neumann comportent un processeur central qui exécute la logique et l'arithmétique, une unité de mémoire, espace de rangement, et les périphériques d'entrée et de sortie. Contrairement aux composants de tuyau de poêle dans les ordinateurs conventionnels, les auteurs proposent que les ordinateurs inspirés du cerveau pourraient avoir des unités de traitement et de mémoire coexistantes.

Abou Sébastien, un auteur sur le papier, a expliqué que l'exécution de certaines tâches de calcul dans la mémoire de l'ordinateur augmenterait l'efficacité du système et économiserait de l'énergie.

« Si vous regardez les êtres humains, on calcule avec 20 à 30 watts de puissance, considérant que l'IA est aujourd'hui basée sur des superordinateurs qui fonctionnent en kilowatts ou en mégawatts de puissance, " dit Sebastian. " Dans le cerveau, les synapses calculent et stockent des informations. Dans une nouvelle architecture, au-delà de von Neumann, la mémoire doit jouer un rôle plus actif dans l'informatique."

L'équipe d'IBM s'est inspirée de trois niveaux différents d'inspiration du cerveau. Le premier niveau exploite la dynamique d'état d'un dispositif de mémoire pour effectuer des tâches de calcul dans la mémoire elle-même, similaire à la façon dont la mémoire et le traitement du cerveau sont co-localisés. Le deuxième niveau s'appuie sur les structures de réseau synaptique du cerveau comme source d'inspiration pour des réseaux de dispositifs de mémoire à changement de phase (PCM) pour accélérer la formation pour les réseaux de neurones profonds. Dernièrement, la nature dynamique et stochastique des neurones et des synapses a inspiré l'équipe à créer un puissant substrat de calcul pour augmenter les réseaux de neurones.

La mémoire à changement de phase est un dispositif de mémoire à l'échelle nanométrique construit à partir de composés de Ge, Te et Sb pris en sandwich entre les électrodes. Ces composés présentent des propriétés électriques différentes selon leur disposition atomique. Par exemple, dans une phase désordonnée, ces matériaux présentent une résistivité élevée, alors que dans une phase cristalline, ils présentent une faible résistivité.

En appliquant des impulsions électriques, les chercheurs ont modulé le rapport de matière dans les phases cristalline et amorphe afin que les dispositifs de mémoire à changement de phase puissent prendre en charge un continuum de résistance ou de conductance électrique. Ce stockage analogique ressemble mieux au non binaire, synapses biologiques et permet de stocker plus d'informations dans un seul appareil nanométrique.

Sebastian et ses collègues d'IBM ont rencontré des résultats surprenants dans leurs études comparatives sur l'efficacité de ces systèmes proposés. "Nous nous attendions toujours à ce que ces systèmes soient bien meilleurs que les systèmes informatiques conventionnels dans certaines tâches, mais nous avons été surpris de voir à quel point certaines de ces approches étaient plus efficaces."

L'année dernière, ils ont exécuté un algorithme d'apprentissage automatique non supervisé sur un ordinateur conventionnel et un prototype de plate-forme de mémoire informatique basée sur des dispositifs de mémoire à changement de phase. "Nous pourrions atteindre des performances 200 fois plus rapides dans les systèmes informatiques à mémoire à changement de phase par rapport aux systèmes informatiques conventionnels." dit Sébastien. "Nous avons toujours su qu'ils seraient efficaces, mais nous ne nous attendions pas à ce qu'ils surpassent autant. » L'équipe continue de construire des prototypes de puces et de systèmes basés sur des concepts inspirés du cerveau.