Selon l'imec, cette puce est la première dans le genre à traiter les signaux des radars sur base d'un 'spiking recurrent neural network' et à utiliser dans ce but les principes de la neurobiologie. Il en résulte que le traitement de ces signaux s'effectue plus rapidement.

Les réseaux neuraux sont utilisés depuis assez longtemps déjà en sciences informatiques, mais le trajet que parcourt un signal entre les capteurs et l'algorithme qui prend les décisions, pourrait être nettement plus rapide grâce aux 'spiking neural networks' (SNN).

L'efficience énergétique est elle aussi importante. Les réseaux neuraux consomment beaucoup d'énergie, ce qui fait qu'ils conviennent moins bien aux appareils à capacité de batterie limitée, tels les drones. La puce SNN de l'imec est jusqu'à cent fois plus efficiente sur le plan de la consommation d'énergie que les solutions actuelles, ce qui fait qu'elle peut être utilisée dans les appareils mobiles.

L'éventail des applications est large. L'imec envisage les drones comme une première application pratique. Ils dépendent en effet d'un accu limité et peuvent subir ou causer des dégâts, lorsqu'ils touchent des obstacles en plein vol. Mais la technologie peut aussi parfaitement convenir pour les voitures qui pourraient ainsi freiner plus vite devant des obstacles.

"Grâce au développement des 'spiking neural networks' c'est une nouvelle aire AI qui s'ouvre. Ils utilisent de manière économe l'énergie disponible et sont nettement plus rapide que les réseaux neuraux actuels", explique Ilja Ocket, program manager neuromorphic sensing à l'imec.

"En outre, nous utilisons des boucles de rétroaction ('feedback loops'), ce qui permet à notre réseau de retenir les séquences temporelles et d'utiliser les informations précédemment rencontrées pour prendre de nouvelles décisions. Cette nouvelle puce représente dès lors aussi un grand bond en avant dans le développement de systèmes d'auto-apprentissage vers des systèmes réfléchissant vraiment par eux-mêmes."

La puce avait été initialement développée pour supporter les commandes vocales et la classification des signaux ECG (électrocardiogramme) sur des appareils mobiles à autonomie de batterie restreinte. Mais en raison de l'architecture générique et du fait que la puce s'adapte aisément, elle peut également être utilisée pour traiter d'autres données dans des applications plus amples. Et l'imec d'évoquer spécifiquement les systèmes de radar comme application possible, mais la voix, le sonar, le lidar et d'autres signaux pourraient être traités de manière à la fois plus rapide et plus économe en énergie au moyen de la puce.

Selon l'imec, cette puce est la première dans le genre à traiter les signaux des radars sur base d'un 'spiking recurrent neural network' et à utiliser dans ce but les principes de la neurobiologie. Il en résulte que le traitement de ces signaux s'effectue plus rapidement.Les réseaux neuraux sont utilisés depuis assez longtemps déjà en sciences informatiques, mais le trajet que parcourt un signal entre les capteurs et l'algorithme qui prend les décisions, pourrait être nettement plus rapide grâce aux 'spiking neural networks' (SNN).L'efficience énergétique est elle aussi importante. Les réseaux neuraux consomment beaucoup d'énergie, ce qui fait qu'ils conviennent moins bien aux appareils à capacité de batterie limitée, tels les drones. La puce SNN de l'imec est jusqu'à cent fois plus efficiente sur le plan de la consommation d'énergie que les solutions actuelles, ce qui fait qu'elle peut être utilisée dans les appareils mobiles.L'éventail des applications est large. L'imec envisage les drones comme une première application pratique. Ils dépendent en effet d'un accu limité et peuvent subir ou causer des dégâts, lorsqu'ils touchent des obstacles en plein vol. Mais la technologie peut aussi parfaitement convenir pour les voitures qui pourraient ainsi freiner plus vite devant des obstacles."Grâce au développement des 'spiking neural networks' c'est une nouvelle aire AI qui s'ouvre. Ils utilisent de manière économe l'énergie disponible et sont nettement plus rapide que les réseaux neuraux actuels", explique Ilja Ocket, program manager neuromorphic sensing à l'imec."En outre, nous utilisons des boucles de rétroaction ('feedback loops'), ce qui permet à notre réseau de retenir les séquences temporelles et d'utiliser les informations précédemment rencontrées pour prendre de nouvelles décisions. Cette nouvelle puce représente dès lors aussi un grand bond en avant dans le développement de systèmes d'auto-apprentissage vers des systèmes réfléchissant vraiment par eux-mêmes." La puce avait été initialement développée pour supporter les commandes vocales et la classification des signaux ECG (électrocardiogramme) sur des appareils mobiles à autonomie de batterie restreinte. Mais en raison de l'architecture générique et du fait que la puce s'adapte aisément, elle peut également être utilisée pour traiter d'autres données dans des applications plus amples. Et l'imec d'évoquer spécifiquement les systèmes de radar comme application possible, mais la voix, le sonar, le lidar et d'autres signaux pourraient être traités de manière à la fois plus rapide et plus économe en énergie au moyen de la puce.