Informatique neuromorphe

Aperçu général

Les systèmes neuromorphes représentent l'information par des événements clairsemés et l'état distribué plutôt que de faire le chronométrage continu de chaque opération. Les neurones matériels intègrent les signaux entrants et émettent des pics après qu'un seuil ou une règle dynamique soit atteint. La communication des poids synaptiques forme, permettant une détection temporelle, un contrôle adaptatif et une inférence avec une latence et une énergie potentiellement faibles.

Fondations techniques

Les modèles de neurones à épis intègrent des événements pondérés et émettent un pic discret lorsque l'état de la membrane franchit un seuil, puis réinitialisent ou s'adaptent. Le temps lui-même peut encoder l'information par latence, vitesse ou synchronisation. Le matériel piloté par l'événement n'active que les circuits affectés, réduisant ainsi le mouvement des données. Les barres croisées synaptiques effectuent une accumulation pondérée parallèle à l'aide de mémoires numériques, de conductance analogique ou de dispositifs résistifs émergents. L'état de co-implantation et l'arithmétique s'attaquent au goulot d'étranglement de von Neumann, bien que les circuits de conversion périphérique, de routage et d'apprentissage consomment encore de l'énergie.

Comment ça marche

Les circuits numériques, analogiques ou à signaux mixtes mettent en œuvre la dynamique neuronale, tandis que les mémoires transversales ou les paramètres synaptiques locaux de SRAM stockent des paramètres synaptiques proches du calcul. Les capteurs ne peuvent afficher les événements que lorsque la luminosité, le son ou une autre quantité change. Les réseaux sont formés par des gradients de substitution, convertis à partir de modèles conventionnels ou adaptés aux règles de plasticité locales. Les tissus d'acheminement fournissent des pointes asynchrones entre les carottes.

Méthodes de mesure et de recherche

Les repères mesurent l'énergie, la latence et la précision de bout en bout sur des flux d'événements tels que la vision dynamique, la détection audio ou tactile. L'instrumentation de puissance doit comprendre des interfaces de capteurs et des communications avec l'hôte. La formation peut utiliser la rétropropagation par des dérivés de substitution, la plasticité locale de timing de pic ou la conversion à partir de réseaux neuraux rectifiés. Les modèles de simulation matérielle-connaissantes ont limité la précision du poids, l'inadéquation des appareils et la congestion des pics avant le déploiement. L'étalonnage et les mécanismes homéostatiques compensent la dérive analogique, tandis que l'injection par défaut teste la robustesse des synapses coincées et des événements tombés.

Idées clés

• Neuromorphique décrit une famille architecturale, pas un modèle neuronal universel ou une garantie de performance.
• Les comparaisons d'énergie exigent la même tâche, la même précision, la même latence et la même limite de mesure.
• Les flux d'événements sparsés offrent le plus grand avantage lorsque le signal sous-jacent et la charge de travail sont également éparpillés.

Frontière actuelle de la recherche

La frontière comprend l'apprentissage continu sur puce, le calcul dendritique et les systèmes hybrides combinant les extrémités avant neuromorphes avec les accélérateurs conventionnels. Les synapses méristiques promettent un stockage analogique dense mais font face à l'endurance, à la variabilité et à la mise à jour non linéaire. La co-conception par calcul de capteur peut offrir des gains plus importants que la copie de détails biologiques en isolement. Des repères communs sont nécessaires pour éviter les démonstrations adaptées à un seul appareil. Les questions ouvertes concernent les abstractions évolutives de logiciels, la stabilité de la plasticité en ligne et la sécurité des systèmes basés sur les événements. Les processeurs neuromorphes sont probablement des composants spécialisés, donc une évaluation équitable compare les systèmes hétérogènes complets dans le cadre de cycles de service réels.

Pourquoi ça compte

L'approche peut permettre une perception toujours sur, la robotique et l'intelligence de bord où la puissance et le temps de réponse sont limités. Il fournit également des plateformes expérimentales pour les neurosciences informatiques et l'adaptation en ligne.

Limites et questions ouvertes

Les outils de programmation et les repères demeurent fragmentés, les appareils analogiques dérivent et les grands réseaux sont confrontés à des limites de routage. De nombreuses charges de travail sont denses, réduisant les avantages, et l'inspiration biologique seule ne garantit pas la justesse. Le déploiement nécessite des capteurs étalonnés, la manipulation des défauts et des preuves au niveau des tâches contre des accélérateurs conventionnels efficaces.