Bio Inspired Architectures

L'IRCICA étudie simule et réalise des architectures bio-inspirées en filière CMOS sous le seuil, extrêmement efficace en énergie et biocompatibles.

Le cerveau humain a la capacité de faire des tâches et des calculs complexes avec une efficacité énergétique, bien supérieure à celle des ordinateurs les plus puissants. Par ailleurs, les avancées spectaculaires en physique, en nanoélectronique, en informatique faites ces dernières années ont démontré qu’un effort coordonné et interdisciplinaire peut conduire à la conception et la réalisation matérielle d’architectures de calcul naturel, et ce, dans un contexte industriel favorable à l’apparition de nouveaux modèles de traitement de l’information et à l’émergence de l’intelligence artificielle.
Nous avons donc choisi de nous inspirer de la formidable machine à traiter l’information qu’est le cerveau pour proposer des architectures neuroinspirées de traitement de l’information ultra-basse consommation en rupture avec les architectures numériques actuelles. Ces architectures neuromorphiques approximent le fonctionnement des réseaux de neurones biologiques avec une bien plus grande précision que les réseaux de neurones artificiels profonds qui font les beaux jours de l’intelligence artificielle. L’information est ici codée par des trains d’impulsions électriques qui circulent entre des neurones électroniques connectés par des synapses électroniques dotées de mécanismes d’apprentissage inspirés de la biologie. Ces neurones et synapses sont construits en technologie CMOS sous le seuil qui leur confère une très basse consommation d’énergie et une grande facilité de fabrication. Le gain en consommation d’énergie est potentiellement de 3 à 6 ordres de grandeur par rapport aux architectures numériques pour des applications de reconnaissance ou de classification de signaux naturels (images, vidéos, sons, etc).

L’originalité du projet bioinspiré au sein de l’IRCICA est triple :

  1. La technologie utilisée, la filière CMOS sous le seuil, est extrêmement efficace en énergie et elle est biocompatible, c’est-à-dire qu’elle capable de générer impulsions électriques (ou spikes) similaires en amplitude et constantes de temps à celles rencontrées dans les réseaux de neurones biologiques.
  2. L’architecture matérielle sous forme de réseaux de composants distribue calcul et mémorisation, que nous pouvons simuler pour une efficacité énergétique et une rapidité optimales.
  3. Du calcul naturel et de l’apprentissage peuvent être simulés et implémentés sur ce type d’architecture en particulier dans le domaine de la vision.

Les travaux effectués ces dernières années ont permis d’identifier un certain nombre de verrous à lever pour atteindre nos objectifs : le choix des prétraitements et de l’encodage des données en entrée, l’adéquation des règles d’apprentissage et des architectures de réseaux aux tâches visées, le passage à l’échelle (nombre de couches, quantité et complexité des données). Les travaux futurs nous permettront d’avancer sur trois points : simulation et visualisation, apprentissage non supervisé d’images et de vidéos, réalisation de circuits 3D dont l’architecture sera elle aussi bioinspirée.