Sandia Déploie le Système Neuromorphique SpiNNaker2 Au cours des deux dernières décennies, des acteurs majeurs comme Intel, IBM, et Google, ainsi qu'un nombre croissant de jeunes entreprises, ont largement investi dans le développement de l'informatique neuromorphique. Cette technologie, qui cherche à imiter la structure et le fonctionnement du cerveau humain, suscite beaucoup d'intérêt, mais sa mise en œuvre réelle demeure un défi. Les discussions autour de l'informatique neuromorphique se sont récemment déplacées de la technologie elle-même vers ce qui pourrait la faire sortir de son statut de niche et la rendre mainstream. Les recherches de cas d'application pertinents et la mise à l'échelle des systèmes sont au programme. Un article publié en janvier dans Nature affirmait que cette technologie était prête à entrer dans les environnements de production, tandis qu'un autre article en avril mettait en avant ses capacités énergétiquement efficaces, la rendant particulièrement adaptée aux applications de l'Internet des Objets (IoT) et du traitement en périphérie (edge computing). De plus, l'informatique neuromorphique pourrait aider à alléger la demande d'énergie des GPU utilisés pour l'entraînement des modèles d'IA, souvent gourmands en électricité. Effets de l'Efficient SpiNNcloud, une entreprise fondée il y a quatre ans à partir de la Technische Universität Dresden, et dont l'architecture des puces SpiNNaker1 a été conçue par Steve Furber, le créateur du processeur Arm, promeut l'efficacité énergétique et l'IA. Leur puce SpiNNaker2, vantée comme étant 18 fois plus efficace que les GPU actuels, sert de base à "l'infrastructure ultra-énergétiquement efficace pour l'IA de nouvelle génération". La prochaine version, appelée SpiNNext, devrait être 78 fois plus efficace. Déploiement de SpiNNaker2 Cette semaine, SpiNNcloud a annoncé que le Sandia National Laboratories avait déployé le système SpiNNaker2, capable de simuler environ 175 millions de neurones, ce qui en fait l'un des cinq plus grands systèmes d'informatique neuromorphique existants. Hector Gonzalez, co-fondateur et PDG de SpiNNcloud, a déclaré que Sandia recevrait le système et commencerait à travailler avec lui dans plusieurs applications. L'architecture déployée consiste en 24 cartes, chacune équipée de 48 puces SpiNNaker2 interconnectées en topologies toroïdales. Chaque puce contient 152 éléments de traitement basés sur Arm, interconnectés via un réseau intégré. Ce réseau permet une connectivité optimisée pour assurer les plus courts chemins de communication possibles entre les composants. Gonzalez a souligné les avantages en termes d'efficacité énergétique par rapport aux GPU, ainsi que d'autres particularités. "Ce que vous pouvez faire avec SpiNNaker2 et que vous ne pouvez pas faire avec un GPU, c'est de contrôler finement et granulairement tous ces 175 000 cœurs", a-t-il expliqué. "Le système est globalement asynchrone, localement synchrone, ce qui permet un contrôle complet des processus individuels et une isolation de chemins de communication." Flexibilité et Applications Contrairement à de nombreux systèmes neuromorphiques qui utilisent des neurones à pointes (spiking neurons), SpiNNaker2 est flexible. Il peut exploiter des caractéristiques événementielles du domaine neuromorphique, même pour des domaines traditionnels comme les réseaux neuronaux profonds (DNN) et les modèles neuronalo-symboliques, combinant des couche symboliques avec des couches neuronales. Quelques applications majeures de SpiNNaker2 incluent : 1. Recherche de médicaments : Des petits perceptrons multicouches (MLPs) déployés à grande échelle pour trouver des molécules correspondantes dans les bases de données de profils de patients. 2. Optimisation et logistique : Des problèmes QUBO (Quadratic Unconstrained Binary Optimization) pour des simulations mathématiques complexes utilisant des algorithmes de travailleurs aléatoires. Évolution Vers la Disponibilité Mainstream Sandia National Laboratories n'est pas nouveau dans le domaine de l'informatique neuromorphique. L'année dernière, ils ont ajouté le système Hala Point basé sur le processeur Intel Loihi 2 pour tester des charges de travail d'IA et comparer les performances avec les systèmes CPU, GPU et autres. L'introduction de SpiNNaker2 s'inscrit dans cette dynamique visant à utiliser des architectures plus économes en énergie pour les applications d'IA. Appel à la Sparse Pour répondre aux défis énergétiques actuels de l'IA, SpiNNcloud poursuit le développement de son architecture en soutenant des algorithmes d'IA basés sur la sparsity dynamique. Grâce à des avancées récentes, l'industrie de l'IA passe de la modélisation dense à une sparsity extrême dynamique, où seul un sous-ensemble de voies neurales est activé en fonction des entrées. Cela permet de réduire significativement la charge de travail computationnelle, une tâche que les architectures standard comme les GPU peinent à gérer efficacement. "La capacité de n'exécuter qu'une partie granulaire du réseau pour obtenir des sorties est ce qu'on appelle le 'mix de spécialistes'. On a montré que plus le nombre de spécialistes est grand, plus on peut réduire le coût computationnel des modèles", a déclaré Gonzalez. "L'essentiel est que cette architecture neuromorphique hybride offre une isolation fine des chemins, quelque chose que les architectures standard ne peuvent pas faire aussi bien, même si elles sont optimisées pour des blocs pleinement utilisés." Évaluation et Profil de l'Entreprise L'adoption par des instituts reconnus comme Sandia National Laboratories est un signe fort de l'avancée et de l'intérêt pour l'informatique neuromorphique. Cet événement souligne le potentiel de technologies énergétiquement efficaces pour l'avenir de l'IA et du calcul en périphérie. SpiNNcloud, avec son expertise en architecture hybride et sa flexibilité, semble bien positionné pour jouer un rôle crucial dans cette transition technologique. Des experts de l'industrie ont salué ce déploiement comme une étape importante pour l'informatique neuromorphique. L'implication de Sandia et d'autres institutions de renom pourrait accélérer l'adoption commerciale de cette technologie, offrant des solutions plus durables et économiques pour les applications nécessitant de puissants traitements parallèles et distribués. SpiNNcloud, grâce à sa vision innovante et à sa technologie de pointe, contribue à façonner l'avenir de l'IA en offrant des alternatives performantes aux architectures traditionnelles.