Le CEA-Leti intègre un réseau de neurones à impulsions SNN sur une puce
Les réseaux de neurones à pics sont plus proches du fonctionnement neuronal biologique car ils classent les informations sur la base de pics temporels plutôt que de niveaux continus. Cela les rend également plus éconergétiques même si ils sont un peu plus complexes que les réseaux de neurones numériques.
Cette annonce du CEA-Leti se heurte au fait que BrainChip Holdings Ltd. a lancé son propre système Neuromorphique sur une puce (Akida Neuromorphic System – SoC) en septembre 2018, prétendant être la première société à implémenter de manière matérielle une architecture de réseau de neurones spiking ( voir BrainChip lance le réseau de neurones à impulsions (SoC).
Le CEA-Leti a fabriqué sa puce dans un processus de fabrication CMOS de 130 nm avec des neurones analogiques et des synapses à base de RAM résistive (ReRAM), intégrées de manière monolithique au-dessus des dispositifs CMOS. Les ReRAM sont basées sur des couches d’oxyde de titane et d’oxyde d’hafnium placées entre des électrodes en nitrure de titane.
CEA-Leti plan de masse du réseau de neurones à impulsions. Source: IEDM.
La puce de test comprend 11 500 cellules ReRAM 1T-1R et a démontré une précision de 84% à la reconnaissance des chiffres manuscrits de la base de données MNIST, avec une dissipation d’énergie 5 fois plus faible au niveau de la synapse et des neurones (3,6 pJ) par rapport aux autres puces utilisant des méthodes de programmation formelles pour la classification des images.
Suivant: Les améliorations possibles
Les chercheurs disent que passer de 130 nm au nœud à 28 nm pourrait entraîner une réduction d’énergie de 10x et un gain de densité de 30x, et que l’utilisation de la mémoire RRAM pour construire des cellules de mémoire à plusieurs niveaux par rapport aux cellules à niveau unique de la puce de test peut augmenter encore la densité synaptiques de 4x.
Il convient également de noter que le CEA-Leti est un partenaire de développement et de fabrication de Weebit Nano Ltd., une start-up en développement de ReRAM à base d’oxyde de silicium (voir Weebit, Leti: composants SiOx ReRAM dans une application neuromorphique). La présentation à l’IEDM document numéro 14.3 s’intitule: Fully Integrated Spiking Neural Network with Analog Neurons and RRAM Synapse.
Également à l’IEDM, Stefan Cosemans de l’IMEC de Louvain, Belgique, présentera l’inférence DNN Towards 10,000TOPS / W avec le calcul en mémoire analogique – un plan du circuit, les options et les exigences du dispositif.
Lire aussi:
L’Imec et le CEA unissent leurs forces sur l’IA et l’informatique quantique
Related links and articles:
News articles:
BrainChip launches spiking neural network SoC
IEDM: Intel tweaks embedded MRAM for L4 cache
TSMC to present 5nm CMOS, 22nm STT-MRAM at IEDM
Spiking NN core for unsupervised learning available as IP
Weebit, Leti to demo SiOx ReRAM in neuromorphic application
Si vous avez apprécié cet article, vous aimerez les suivants : ne les manquez pas en vous abonnant à :
