Conception d'un système neuromorphique fiable à base de circuits spintroniques pour une IA frugale – RESPINGREEN

Le projet RESPINGREEN décrit les défis liés au transfert des processus d'inférence et d'entraînement de l'IA des infrastructures basées sur le cloud actuelles vers des architectures intégrées. Ces défis incluent notamment l'efficacité énergétique, les besoins en espace réduit, la reconfigurabilité, la haute précision de prédiction et l'explicabilité des résultats. Les implémentations matérielles traditionnelles de réseaux neuronaux ne sont pas capables d'estimer efficacement l'incertitude de leurs prédictions, ce qui conduit à des résultats trop confiants. L'estimation de l'incertitude est essentielle pour les applications critiques en matière de sécurité, telles que la conduite de véhicules autonomes ou les applications de diagnostic et de traitement médicaux. Les réseaux neuronaux bayésiens sont des approches efficaces pour l'estimation de l'incertitude. Cependant, elles sont computationnellement exigeantes, très énergivores et nécessitent des ressources mémoire importantes. Les architectures de calcul-en-mémoire (CiM) utilisant des mémoires non volatiles résistives émergentes, telles que les dispositifs spintroniques, permettent de relever ces défis, mais leur implémentation matérielle réaliste comporte ses propres défis. Ce projet vise à concevoir des réseaux neuronaux bayésiens extrêmement précis avec une consommation d'énergie extrêmement faible et une empreinte réduite. En effet, les objectifs du projet sont les suivants : développer et déployer des solutions innovantes basées sur des dispositifs spintroniques, construire de nouveaux designs de circuits à faible coût et des architectures co-conçues avec des algorithmes bayésiens adaptés aux applications embarquées. En réalité, l'implémentation envisagée reste un défi important en raison des multiples limitations des technologies émergentes, notamment la gestion de la stochasticité et des variabilités. La nouvelle architecture est capable de tirer parti de ces limitations plutôt que de les corriger, ce qui est le processus de conception actuel. Enfin, nous proposons également des solutions novatrices pour améliorer la testabilité et la fiabilité sur puce afin de favoriser une meilleure adoption des technologies émergentes dans des architectures évolutives comprenant des composants intrinsèquement stochastiques. Enfin, au-delà de la recherche multidisciplinaire sur les architectures matérielles et logicielles embarquées avancées pour l'IA, notre objectif est également de créer un partenariat européen solide entre deux centres de recherche et universités de haut niveau, reconnus au niveau international.