Les circonvolutions complexes de la surface du cortex cérébral, pour être reconstruites en temps réel dans un ordinateur, nécessitaient auparavant de longs calculs hors ligne sur des équipements coûteux. Aujourd'hui, cette situation est révolutionnée par une puce de la taille d'un pouce.
L'équipe du professeur Yang Yuchao, chercheur de la Fondation Xinshiji et professeur à l'École d'ingénierie des circuits intégrés de l'Université de Pékin, en collaboration avec l'équipe du chercheur Song Zhitang de l'Institut de microsystèmes et de technologies de l'information de Shanghai, Académie chinoise des sciences, a réussi à développer la première puce de système neurodynamique au monde basée sur des memristors à changement de phase, réduisant pour la première fois le délai d'une seule étape de ce type de calcul complexe à 2,12 millisecondes. Dans des tâches telles que la reconstruction du cortex cérébral, elle est 50 à 478 fois plus rapide que les processeurs graphiques (GPU) avancés actuels, brisant ainsi le goulot d'étranglement du calcul en temps réel qui a entravé la neurodynamique pendant un demi-siècle. Les résultats ont été publiés le 3 dans la revue Science.
Yang Yuchao a expliqué aux journalistes que pour permettre aux machines de modéliser et de comprendre le monde physique en temps réel comme le cerveau, il est nécessaire de disposer d'un « système neurodynamique » combinant réseaux neuronaux et équations différentielles. Il peut reconstruire des structures cérébrales tridimensionnelles lisses et précises à partir de données incomplètes et bruitées, avec un potentiel d'application considérable.
Cependant, l'architecture informatique traditionnelle présente un goulot d'étranglement fondamental : la séparation entre le stockage et le calcul. Lors de la résolution, une multitude de variables intermédiaires font constamment la navette entre la mémoire et le processeur, comme une immense usine de données où un temps considérable est gaspillé dans le transport, entraînant non seulement des latences énormes, mais aussi une consommation d'énergie élevée.
Face à ce défi, l'équipe de recherche a trouvé la solution dans les propriétés physiques mêmes des memristors. Ils ont exploité le phénomène unique de « dérive de conductance » des mémoires à changement de phase — dans une certaine fenêtre temporelle, leur variation de conductance est prévisible et peut être contrôlée avec précision.
Sur cette base, l'équipe a proposé un nouveau paradigme de « calcul en mémoire contrôlable », où la recherche de pas adaptatif, la partie la plus chronophage de la résolution des systèmes dynamiques, est directement encodée comme un processus d'évolution physique de la conductance du dispositif, effectuant le calcul sur place à l'intérieur de l'unité de mémoire. En termes simples, les opérations qui nécessitaient auparavant des circuits numériques complexes pour des exécutions répétées, des accès au cache et des transferts de données sont désormais confiées aux lois physiques du dispositif lui-même.
Plus remarquable encore, l'équipe a également mappé les poids du réseau neuronal sur les états de conductance multi-niveaux de la mémoire à changement de phase, effectuant simultanément des opérations de multiplication matricielle et d'addition dans la même matrice. Les deux tâches de calcul principales sont ainsi intégrées de manière unifiée dans une matrice de calcul et de stockage d'une superficie totale de seulement 0,28 mm². Cette puce, fabriquée selon un procédé de 40 nm, fonctionne à une fréquence de 50 MHz, ne nécessite que 9 étages de pipeline pour une seule étape d'intégration, et atteint finalement un délai d'itération unique de 2,12 ms, propulsant pour la première fois le matériel neurodynamique dans l'ère de la milliseconde.
« Les performances sont enthousiasmantes. » Yang Yuchao a indiqué que, pour des calculs équivalents, cette puce est 3,82 à 36,27 fois plus rapide que les accélérateurs spécialisés les plus avancés actuels, avec une consommation d'énergie réduite de 11,75 à 24,73 fois. Dans la tâche de reconstruction haute fidélité de la surface du cortex cérébral, elle est même jusqu'à 478,18 fois plus rapide que le NVIDIA A100 GPU. Le maillage cortical reconstruit est lisse et topologiquement cohérent, capable de décrire avec précision les structures complexes des circonvolutions, tout en supprimant efficacement les artefacts et les défauts d'auto-intersection des méthodes traditionnelles.
Yang Yuchao a déclaré que cette percée ouvre de nouvelles perspectives pour les interfaces cerveau-machine et le diagnostic et le traitement des maladies cérébrales. À l'avenir, des jumeaux numériques cérébraux personnalisés et dynamiques deviendront possibles, et la neuronavigation peropératoire, le dépistage précoce de la maladie d'Alzheimer et les interventions personnalisées bénéficieront d'une base matérielle fonctionnant en temps réel.
Qu'est-ce que le « calcul en mémoire contrôlable » ?
Si l'on compare un ordinateur traditionnel à un bureau, le processeur est le « calculateur » assis au centre, et la mémoire est constituée des « classeurs » sur les murs. À chaque calcul, le calculateur doit se lever pour prendre les données, calculer, puis les rapporter — le temps est perdu en déplacements. C'est le célèbre « goulot d'étranglement de von Neumann » : la séparation entre le stockage et le calcul, où le transfert de données nuit à l'efficacité.
L'idée du « calcul en mémoire » est directe : faire en sorte que les classeurs apprennent eux-mêmes à compter. Les données n'ont plus besoin d'être déplacées ; le calcul est effectué sur place à l'intérieur de l'unité de mémoire. Cela semble parfait, mais sa mise en œuvre est semée d'embûches — les unités de mémoire sont naturellement conçues pour « enregistrer », et leur faire « calculer » en même temps, avec précision et stabilité, est déjà un défi.
Le plus grand défi réside dans la « contrôlabilité ». Le calcul ne se limite pas à de simples additions et soustractions ; de nombreuses tâches nécessitent des ajustements dynamiques et des décisions contextuelles. Comment doter un ensemble de dispositifs physiques d'une capacité d'« adaptation en temps réel » est le seuil clé pour que le calcul en mémoire devienne une réalité.
La percée est venue d'une approche « contre-intuitive » : exploiter la caractéristique de dérive régulière de la conductance des dispositifs, autrefois considérée comme un « défaut ». Si l'on comprend sa trajectoire de variation, cette dérive peut être domestiquée en une capacité de calcul — au lieu d'utiliser des circuits numériques pour des lectures, écritures et comparaisons répétées, le processus physique lui-même effectue le calcul.
C'est l'idée centrale du « calcul en mémoire contrôlable » : permettre à l'unité de mémoire, tout en « enregistrant », d'effectuer le « calcul » selon la manière définie par le concepteur et dans une plage contrôlable. Le stockage est le calcul, et l'ensemble du processus est précisément contrôlable. Les puces développées selon ce paradigme peuvent compresser des calculs complexes à l'échelle de la milliseconde, avec une efficacité énergétique multipliée par des dizaines, voire des centaines de fois.