Le cerveau humain a une structure radicalement différente d’un processeur d’ordinateur : quand le cerveau aligne des neurones pour le calcul et des synapses pour le transfert d’informations, les processeurs actuels sont faits de portes logiques (ET, OU, NON, etc.). Or, la recherche scientifique, en neurologie par exemple, aurait bien besoin de simulations à grande échelle du cerveau humain : le projet européen HBP (human brain project) tente d’y arriver d’ici à 2023. Avec les différences entre les deux architectures, il faut des moyens démesurés pour simuler une petite partie du cerveau à l’aide de processeurs normaux…D’où l’architecture SpiNNaker, conçue pour imiter au plus près le cerveau humain, plus précisément le module des réseaux neuronaux pulsés (spiking neural networks). Le superordinateur du même nom est construit à l’aide de processeurs ARM, mais agencés de manière spécifique : sur six cents cartes, il utilise une, quatre ou quarante-huit puces ARM968 (une ancienne version de l’architecture ARM) — chaque puce contient dix-huit cœurs et cent vingt-huit mégaoctets de mémoire vive, les communications réseau se font à une vitesse de cent mégabits par seconde.
Cette configuration, relativement ancienne (SpiNNaker date de 2009) permet cependant de modéliser des microcircuits corticaux (situés sur la partie extérieure du cerveau, ils reçoivent et traitent les informations en provenance des cinq sens) sur des échelles de temps utiles : en considérant l’état des neurones toutes les 0,1 ms, SpiNNaker arrive à être à peine vingt fois plus lent que le temps réel (une seconde dans un “vrai” cerveau prend vingt secondes de temps de calcul). Le circuit cortical considéré est constitué d’un peu moins de quatre-vingt mille neurones et de trois cent mille synapses, alors que seules six cartes de quarante-huit cœurs ont été utilisées.
L’équipe de chercheur s’est comparée à un superordinateur actuel complet, avec le logiciel NEST : trente-deux machines, deux processeurs Intel Xon E5-2680v3 (c’est-à-dire douze cœurs) et cent vingt-huit gigaoctets de mémoire chacune, avec une interconnexion plus moderne (InfiniBand QDR, à huit gigaoctets par seconde). La précision des deux systèmes lors de la simulation est très similaire (même si SpiNNaker fonctionne avec une arithmétique en précision fixe), avec une consommation énergétique comparable — même si le superordinateur actuel allait beaucoup plus vite (soixante fois plus vite, c’est-à-dire qu’il pouvait aller jusqu’à trois fois plus vite que le temps réel).
Cette expérience est une preuve que les architectures neuromorphiques pourraient devenir utiles, par exemple pour les simulations scientifiques… ou certaines applications de contrôle en robotique. L’objectif à terme est d’arriver au niveau de consommation du cerveau : de vingt à trente watts pour bien plus de neurones.
Voir aussi : Performance Comparison of the Digital Neuromorphic Hardware SpiNNaker and the Neural Network Simulation Software NEST for a Full-Scale Cortical Microcircuit Model.
Source : Neuromorphic Computing Breaks New Ground in Brain Simulation.
Et vous ?
Qu'en pensez-vous ? 
