Le professeur de conception de processeurs d'IA à l'Université technique de Munich (TUM) a déjà commandé les premiers prototypes au fabricant de semi-conducteurs Global Foundries, basé à Dresde. Contrairement aux puces classiques, les unités de calcul et de mémoire de l'IA Pro sont regroupées. Ceci est possible grâce au principe de « calcul hyperdimensionnel » : la puce reconnaît les similarités et les schémas sans avoir besoin de millions d'enregistrements de données pour apprendre.
Au lieu de lui présenter d'innombrables images de voitures, comme c'est le cas pour les méthodes d'apprentissage profond utilisées dans les puces d'IA classiques, cette puce combine des données diverses, telles que le fait qu'une voiture possède quatre roues, circule généralement sur la route et peut avoir différentes formes. À l'instar de cette nouvelle puce, explique le professeur Amrouch, « les humains tirent également des conclusions et apprennent par similarités ».
Un avantage clé de ce raisonnement similaire à celui du cerveau : il permet d'économiser de l'énergie. Pour l'entraînement sur une tâche d'exemple, la nouvelle puce a consommé 24 microjoules, tandis que les puces comparables nécessitaient entre dix et cent fois plus d'énergie – « une valeur record », souligne le professeur Amrouch. « Cette combinaison d'architecture de processeur moderne, de spécialisation algorithmique et de traitement de données innovant confère à cette puce d'IA un caractère exceptionnel. » Cela la distingue également des puces polyvalentes, comme celles du géant industriel NVIDIA. « Alors que NVIDIA a créé une plateforme basée sur les données du cloud et promet de résoudre tous les problèmes, nous avons développé une puce d'IA qui permet des solutions personnalisées. Le marché est immense. »
Puces neuromorphiques : inspirées du cerveau humain.
Cette puce d’un millimètre carré coûte actuellement 30 000 €. Avec environ 10 millions de transistors, sa densité et sa puissance sont inférieures à celles des puces NVIDIA, qui en comptent 200 milliards. Mais ce n’est pas ce qui préoccupe le plus le professeur Amrouch. Son équipe se spécialise dans les puces d’IA qui effectuent le traitement directement sur site, sans avoir à envoyer les données vers le cloud pour y être traitées avec des millions d’autres ensembles de données avant d’être renvoyées. Cela permet de gagner du temps, de réduire la puissance de calcul des serveurs et de diminuer l’empreinte carbone de l’IA.
Les puces sont également personnalisées pour des applications spécifiques. « Cela les rend très efficaces », explique Amrouch, expert en puces. Elles sont par exemple conçues pour traiter la fréquence cardiaque et d’autres données vitales collectées via des montres connectées ou les données de navigation des drones. Comme ces données personnelles, parfois sensibles, restent sur l’appareil, il n’y a aucun problème de stabilité de la connexion Internet ni de cybersécurité. L’expert en puces est convaincu : « L’avenir appartient à ceux qui possèdent le matériel. »
Informations complémentaires :
Le professeur Hussam Amrouch a rejoint la TUM il y a deux ans. La chaire de conception de processeurs d’IA a été créée dans le cadre de l’Agenda technologique bavarois. Plus d’informations : https://www.hightechagenda.de/
Le professeur Hussam Amrouch est également activement impliqué au sein de l’Institut de robotique et d’intelligence artificielle de Munich (MIRMI). Ses travaux sur les puces ont des applications dans les domaines de la santé, de l’environnement et du spatial. Plus d’informations sur le MIRMI : https://www.mirmi.tum....artseite//
Publications :
Sandy Wasif, Paul Genssler et Hussam Amrouch. « Processeur RISC-V hyperdimensionnel spécifique au domaine pour l’entraînement de l’IA en périphérie ». IEEE Transactions on Circuits and Systems I : Regular Papers (2025). https://ieeexplore.iee...t/10931124 ;
Soliman, Taha, Swetaki Chatterjee, Nellie Laleni, Franz Müller, Tobias Kirchner, Norbert Wehn, Thomas Kämpfe, Yogesh Singh Chauhan et Hussam Amrouch. « Première démonstration d’une matrice de calcul en mémoire utilisant des cellules FeFET multiniveaux ». Nature Communications 14, n° 1 (2016). 1 (2023) : 6348. https://www.nature.com...23-42110-y
Wei-Ji Chao, Paul R. Genssler, Sandy A. Wasif, Albi Mema, Hussam Amrouch, « Calcul hyperdimensionnel de bout en bout avec 24,65 µJ par échantillon d’entraînement en technologie 22 nm », article en cours d’évaluation à la Conférence européenne sur la recherche en électronique à l’état solide (ESSERC). Prépublication disponible : https://go.tum.de/440497
