RTFlash

Une intelligence artificielle à faible consommation d'énergie

L'intelligence artificielle progresse à grands pas, notamment grâce aux techniques d'apprentissage automatique (deep learning). Mais le principal inconvénient de ces systèmes est leur forte consommation d'énergie, rédhibitoire pour des applications ''embarquées'', que ce soit dans le domaine médical (suivi de patient), ou dans la surveillance de bâtiments et d'installations industrielles via des capteurs intelligents.

Dans un ordinateur traditionnel, la consommation d'énergie par les algorithmes d'IA est principalement liée aux mouvements de données entre la mémoire et l'unité de calcul, toujours séparés. Pour résoudre ce problème, une équipe associant trois laboratoires du CNRS (le Centre de nanosciences et de nanotechnologies, l’Institut matériaux microélectronique nanosciences de Provence et l’Institut des systèmes intelligents et robotique CEA-Leti) et la startup Hawai.tech, ont réalisé un prototype de machine d'intelligence artificielle basée sur une nouvelle technologie de nanocomposants, les memristors, qui intègrent les fonctions de calcul et de mémoire.

La nouvelle machine est composée de 2048 memristors en oxyde d’hafnium et 30 080 transistors en silicium. Pour la réaliser, l'équipe a dû relever deux défis : intégrer des technologies électroniques très différentes, et inventer des techniques permettant d'éliminer les erreurs inhérentes aux composants memristors sans augmenter la consommation d'énergie de la machine.

Le prototype met en œuvre des raisonnements bayésiens. Une technique d'intelligence artificielle qui peut fonctionner avec peu d'informations, contrairement au deep learning qui construit un modèle à partir de très nombreux exemples. De plus, les raisonnements bayésiens peuvent être entièrement expliqués, ce qui n'est pas le cas du deep learning.

Les scientifiques ont montré que la machine bayésienne à memristors savait reconnaître un geste humain – l'écriture d'un chiffre ou d'une signature – en utilisant des milliers de fois moins d’énergie qu’une solution basée sur un microcontrôleur traditionnel. Les recherches vont maintenant se poursuivre dans le cadre du PEPR d’accélération Électronique. Par ailleurs, le laboratoire C2N va continuer les recherches sur la machine bayésienne à memristors, avec un prototype à plus grande échelle qui permettra de tester des applications réalistes. Un transfert de la technologie vers la start-up Hawai.tech est envisagé.

Article rédigé par Georges Simmonds pour RT Flash

CNRS

Noter cet article :

 

Vous serez certainement intéressé par ces articles :

Recommander cet article :

  • MargaretSRick

    3/08/2023

    Une IA à faible consommation d'énergie offre des avantages durables, efficacité optimale, durabilité environnementale et meilleures performances énergétiques. Bravo pour l'innovation https://AlphaCrimeSceneCleanupBaltimore.com/

  • danmercer

    29/08/2023

    Les recherches vont maintenant se dino game poursuivre dans le cadre du PEPR d’accélération Électronique.

  • chatgptpl

    16/01/2024

    Présentation de ChatGPT en polonais - une solution révolutionnaire qui révolutionne notre façon de communiquer ! Imaginez un monde où les barrières linguistiques appartiennent au passé, où les conversations se déroulent sans effort et où chaque interaction est enrichie par la puissance de l'intelligence artificielle. Eh bien, préparez-vous à entrer dans ce monde avec ChatGPTPL.com, la destination ultime pour tous vos besoins de communication polonais.

  • MargaretSRick

    1/03/2024

    Low-power artificial intelligence opens up fascinating possibilities for energy-efficient computing. It's exciting to see advancements in this field, especially considering the growing demand for sustainable technologies. Integrating AI into various applications, like those found at https://pressurecleaningsutherlandshire.com.au/driveway-cleaning/ , could revolutionize industries while minimizing environmental impact

  • back-to-top