Des chercheurs de l’Université du Minnesota ont développé une puce révolutionnaire, la CRAM, qui pourrait transformer l’efficacité énergétique de l’intelligence artificielle. En remaniant le modèle classique d’architecture informatique, ce prototype promet de réduire la consommation énergétique des applications AI de manière spectaculaire. Découvrez les détails de cette innovation prometteuse.
Futurologie: La demande mondiale en matière d’intelligence artificielle fait que les centres de données consomment de l’électricité comme les maisons d’étudiants boivent de la bière. Mais des chercheurs de l’Université du Minnesota pourraient avoir une solution extrêmement innovante pour freiner la soif croissante d’énergie de l’IA avec un nouvel appareil radical qui promet une efficacité énergétique largement supérieure.
Les chercheurs ont conçu un nouveau prototype de puce « mémoire vive computationnelle » (CRAM) qui pourrait réduire les besoins énergétiques des applications d’IA d’un facteur 1 000 ou plus par rapport aux méthodes actuelles. Dans une simulation, la technologie CRAM a montré une incroyable économie d’énergie de 2 500 fois.
L’informatique traditionnelle repose sur l’architecture von Neumann vieille de plusieurs décennies, composée d’unités de processeur et de mémoire séparées, qui nécessite un déplacement constant des données dans les deux sens dans le cadre d’un processus à forte consommation d’énergie. Le CRAM de l’équipe du Minnesota bouleverse complètement ce modèle en effectuant des calculs directement dans la mémoire elle-même à l’aide de dispositifs spintroniques appelés jonctions tunnel magnétiques (MTJ).
Plutôt que de s’appuyer sur des charges électriques pour stocker des données, les dispositifs spintroniques exploitent le spin des électrons, offrant un substitut plus efficace aux puces traditionnelles à base de transistors.
« En tant que substrat informatique numérique en mémoire extrêmement économe en énergie, la CRAM est très flexible dans la mesure où le calcul peut être effectué à n’importe quel endroit de la matrice mémoire. En conséquence, nous pouvons reconfigurer la CRAM pour qu’elle réponde au mieux aux besoins de performance d’un ensemble diversifié d’algorithmes d’IA », a déclaré Ulya Karpuzcu, co-auteur de l’article publié dans Nature. Il a ajouté qu’elle est plus économe en énergie que les éléments de base traditionnels des systèmes d’IA actuels.
En éliminant ces transferts de données gourmands en énergie entre la logique et la mémoire, les technologies CRAM comme ce prototype pourraient être essentielles pour rendre l’IA beaucoup plus économe en énergie à une époque où ses besoins énergétiques explosent.
L’Agence internationale de l’énergie a prévu en mars que la consommation mondiale d’électricité pour la formation et les applications de l’IA pourrait plus que doubler, passant de 460 térawattheures en 2022 à plus de 1 000 térawattheures en 2026, soit presque autant que la consommation totale du Japon.
Les chercheurs ont déclaré dans un communiqué de presse que les bases de cette percée ont été élaborées il y a plus de 20 ans, remontant au travail pionnier du professeur d’ingénierie Jian-Ping Wang sur l’utilisation des nanodispositifs MTJ pour l’informatique.
Wang a admis que leurs propositions initiales visant à abandonner le modèle von Neumann étaient « considérées comme folles » il y a vingt ans. Mais l’équipe du Minnesota a persisté, en s’appuyant sur les recherches brevetées de Wang sur le MTJ qui ont permis de créer une mémoire vive magnétique (MRAM) désormais utilisée dans les montres intelligentes et d’autres systèmes embarqués.
Bien entendu, comme pour toute avancée de ce type, les chercheurs doivent encore relever les défis liés à l’évolutivité, à la fabrication et à l’intégration avec le silicium existant. Ils prévoient déjà des collaborations de démonstration avec les leaders de l’industrie des semi-conducteurs pour aider à faire de la CRAM une réalité commerciale.