Systèmes et circuits neuromorphiques pour informatique en périphérie

 

Glenn Cowan

Université Concordia

 

Domaine : technologie de l'information et des communications

Programme projet de recherche en équipe

Concours 2018-2019

L'intelligence artificielle avancée et notamment l'apprentissage profond ont déjà eu un impact considérable sur la société, compte tenu des progrès en reconnaissance et en classification des images, en traitement du langage naturel et en prédiction des intentions. Le matériel qui supporte ces algorithmes est généralement doté d'une architecture Von Neumann limitée à interface mémoire, et réside par conséquent dans des systèmes infonuagiques qui gaspillent une énergie substantielle. Les professeurs Cowan et Gross mettront au point des circuits intégrés neuromorphiques spéciaux conçus pour les opérations et l'organisation mémorielle les mieux adaptées à une informatique de réseau neuronal écoénergétique favorisant l'apprentissage sur puce. Cela permettra le déploiement de systèmes intelligents pouvant fonctionner en périphérie d'un réseau sans dépendre d'un matériel d'apprentissage profond lié à ce réseau, ce qui entraînera une amélioration de l'efficacité énergétique, de la sécurité et du fonctionnement en temps réel.

L'élaboration de ces circuits intégrés de réseau neuronal fera appel aux expertises complémentaires des professeurs Cowan (conception de circuits analogiques et mixtes) et Gross (architectures matérielles pour traitement de signaux, apprentissage machine et informatique stochastique). Au cours du projet de trois ans, les chercheurs formeront deux étudiants au doctorat et trois à la maîtrise dans un large éventail de compétences pertinentes pour l'industrie, à savoir l'apprentissage machine, les réseaux neuronaux et la conception de circuits intégrés (analogiques et numériques). Les étudiants apprendront ainsi à mettre au point des puces avancées pour cette application et pour d'autres.