L’intelligence artificielle (IA) est en pleine expansion, mais son impact énergétique suscite des préoccupations croissantes. Une nouvelle puce développée par une chercheuse américaine pourrait offrir une solution en améliorant l’efficacité énergétique de six fois par rapport aux normes actuelles de l’industrie.
Avec l’essor de l’IA, la consommation d’énergie augmente de manière exponentielle. Les projections indiquent que l’IA pourrait représenter 0,5 % de la consommation énergétique mondiale d’ici 2027, soit autant que la consommation annuelle des Pays-Bas.
Sieun Chae, professeure adjointe en génie électrique et informatique du Collège de l’Université de l’État de l’Oregon, s’efforce de réduire l’empreinte énergétique de cette technologie. Elle mène des recherches sur des puces basées sur une nouvelle plateforme matérielle, permettant à la fois le calcul et le stockage des données, imitant ainsi le fonctionnement des réseaux neuronaux biologiques.
Des puces innovantes pour une meilleure efficacité
Les résultats de ses recherches ont été récemment publiés dans Nature Electronics. «Avec l’émergence de l’IA, les ordinateurs doivent traiter et stocker rapidement de grandes quantités de données», explique Sieun Chae. «Les puces d’IA sont conçues pour effectuer des tâches en mémoire, minimisant ainsi le transfert de données entre la mémoire et le processeur ; elles peuvent donc réaliser des tâches d’IA de manière plus économe en énergie.»
Ces puces intègrent des composants appelés memristors – contraction de «memory resistors». La plupart des memristors sont fabriqués à partir d’un système matériel simple composé de deux éléments, mais ceux de cette étude utilisent un nouveau système matériel connu sous le nom d’oxydes stabilisés par l’entropie (ESO). Plus d’une demi-douzaine d’éléments composent les ESO, permettant de régler finement leurs capacités de mémoire.
Optimisation des réseaux neuronaux artificiels
Les memristors ressemblent aux réseaux neuronaux biologiques en ce qu’aucun d’eux ne possède de source de mémoire externe – ainsi, aucune énergie n’est perdue lors du déplacement des données de l’intérieur vers l’extérieur et vice-versa. En optimisant la composition des ESO pour les tâches spécifiques de l’IA, les puces basées sur les ESO peuvent accomplir des tâches avec beaucoup moins d’énergie qu’une unité centrale de traitement d’un ordinateur, selon Chae.
Un autre avantage est que les réseaux neuronaux artificiels pourraient traiter des informations dépendantes du temps, telles que les données audio et vidéo, grâce à l’ajustement de la composition des ESO permettant à l’appareil de fonctionner sur une échelle de temps variée.
Article : « Efficient data processing using tunable entropy-stabilized oxide memristors » – DOI: https://www.nature.com/articles/s41928-024-01169-1
