La technologie optique permet la mise à jour en vol des robots IA
Cornell Tech
Des chercheurs de Cornell Tech ont développé un récepteur optique qui écrit des données directement dans la mémoire d'une puce en utilisant la lumière, contournant les circuits analogiques énergivores. La technologie utilise des matrices lumineuses similaires à des codes QR pour transmettre les paramètres des modèles d'IA, ce qui pourrait réduire la consommation d'énergie dans les centres de données, les véhicules autonomes et les robots de périphérie.
Lors du symposium IEEE/JSAP sur les technologies et circuits VLSI, une nouvelle conception de récepteur optique a été présentée, développée par le chercheur postdoctoral de Cornell Tech Yifan He et le professeur Jae-sun Seo. Le récepteur utilise des photodiodes intégrées dans les cellules de mémoire statique à accès aléatoire (SRAM) du processeur : la lumière provenant d'un réseau de LED ressemblant à un code QR génère un photocourant qui modifie directement les bits en mémoire. Cette approche permet de transmettre les paramètres des modèles d'IA sans utiliser de circuits analogiques, qui consomment généralement beaucoup d'énergie. Dans les systèmes actuels, des données supplémentaires sont stockées dans la mémoire dynamique à accès aléatoire (DRAM), et leur transfert via des interconnexions électriques crée un goulot d'étranglement en termes d'efficacité énergétique. Les canaux optiques offrent une large bande passante avec des pertes plus faibles, mais les récepteurs existants nécessitent des convertisseurs analogiques énergivores. Le nouveau circuit contourne ce problème en fonctionnant entièrement de manière numérique. Pour l'instant, il s'agit d'un prototype de 14x14 bits, mais les chercheurs collaborent avec des groupes d'optique pour construire un émetteur rapide capable de mettre à jour le réseau des millions de fois par seconde. Cette technologie pourrait trouver des applications dans la robotique d'IA en périphérie—par exemple, pour mettre à jour les modèles d'IA sur des robots d'entrepôt ou dans des microrobots à mémoire limitée. Dennis Sylvester de l'Université du Michigan a souligné le potentiel commercial de ce développement, mais a noté que les cellules photosensibles sont actuellement plus grandes que les cellules SRAM ordinaires, ce qui réduit la densité de mémoire. L'équipe travaille à la réduction de la taille des cellules grâce à l'optimisation des transistors et à la réduction d'échelle CMOS.
Source: IEEE Spectrum AI —
original
