Decima-8 : l'architecture qui veut réinventer les puces neuromorphiques

Le calcul neuromorphique est depuis des années l'un des domaines les plus prometteurs, et en même temps les plus décevants, de la microélectronique. L'idée est simple et séduisante : construire des puces qui fonctionnent selon les principes du cerveau biologique et obtenir un calcul bien plus économe en énergie, de plusieurs ordres de grandeur. Dans la pratique, chaque tentative se heurte aux mêmes murs. L'architecture Decima-8 prétend, à défaut de les abattre, les déplacer nettement, et elle agit sur plusieurs fronts à la fois.

Pour comprendre ce que propose Decima-8, il faut cerner la nature des problèmes. Les réseaux de neurones à spikes actuels codent l'information de façon binaire : le neurone « tire » ou ne tire pas. Pour transmettre des gradations du signal, sans lesquelles aucun calcul un tant soit peu complexe n'est possible, il faut recourir au codage par fréquence, qui étire une seule valeur sur de nombreux cycles, ou augmenter le nombre de lignes physiques de transmission.

Les deux approches dévorent du temps et de la surface de puce. Parallèlement, il existe un problème matériel. Les crossbars à memristors, qui semblent sur le papier le substrat idéal du calcul neuromorphique, souffrent en pratique de bruit, de dérive des paramètres et de non-déterminisme.

Chaque puce exige un calibrage individuel, ce qui fait de la production de masse un cauchemar pour les ingénieurs. Quant aux réseaux sur puce (Network-on-Chip) classiques, ils consacrent jusqu'à quarante pour cent de la surface de la puce aux routeurs, et environ soixante-dix pour cent de l'énergie part non dans le calcul, mais dans le transfert de données entre blocs.

Decima-8 s'attaque aux deux problèmes simultanément, avec trois innovations clés. La première est le format Level16. Au lieu d'un spike binaire, chaque ligne transmet un niveau d'activation de zéro à quinze en un seul cycle d'horloge. Seize gradations constituent un compromis délibéré entre la grossièreté de la représentation binaire et le caractère capricieux de la continuité analogique. Quatre bits par valeur suffisent pour transmettre un gradient de signal porteur de sens, tandis que le système reste entièrement numérique et déterministe. Inutile de dépenser des dizaines de cycles pour coder un seul nombre par fréquence : la valeur est transmise instantanément.

La deuxième innovation, ce sont les crossbars numériques, qui émulent le comportement des matrices de memristors sans en avoir les défauts majeurs. Pas de bruit, pas de dérive, pas de calibrage individuel. Chaque puce se comporte de la même manière et chaque calcul est reproductible. Cela ressemble à un pas en arrière : renoncer à la « vraie » neuromorphie analogique au profit d'une émulation numérique. Mais en ingénierie, le pragmatisme l'emporte souvent sur l'élégance. Les memristors sont magnifiques en théorie et pénibles en fabrication. Les crossbars numériques de Decima-8 sacrifient la beauté théorique à l'efficacité pratique.

La troisième solution, et peut-être la plus radicale, est l'activation par relais. Au lieu du routage par paquets classique, où les données circulent entre tuiles de calcul via un réseau de routeurs, Decima-8 propage l'activation à travers un graphe de dépendances. Les tuiles ne « dialoguent » pas entre elles au sens habituel : l'activation s'écoule simplement d'un bloc de calcul au suivant selon un graphe prédéfini.

Cela permet de supprimer entièrement les routeurs sur la puce. Zéro pour cent de surface pour les routeurs : un chiffre presque provocant face aux quarante pour cent habituels. Une latence fixe plutôt que la latence imprévisible d'un réseau de paquets n'est pas qu'une optimisation ; c'est un modèle de calcul qualitativement différent.

Il importe toutefois de garder la tête froide. L'architecture n'est pour l'instant décrite qu'au niveau conceptuel, et entre un beau schéma et du silicium qui fonctionne, la distance est immense. Seize niveaux d'activation conviennent à une certaine classe de tâches, mais pour de nombreux modèles d'apprentissage automatique modernes, même la quantification sur huit bits est jugée agressive. La question du passage à l'échelle de l'activation par relais à des graphes de milliards de nœuds reste ouverte. Les crossbars numériques règlent le problème du déterminisme, mais peuvent perdre face aux solutions analogiques en efficacité énergétique, qui est précisément la principale promesse du calcul neuromorphique.

Decima-8 mérite néanmoins l'attention comme tentative conceptuellement cohérente de repenser l'architecture neuromorphique dans son ensemble plutôt que par morceaux. L'industrie a trop longtemps cherché à résoudre le problème du codage séparément de celui de la communication, et séparément de celui de la mise en œuvre matérielle. L'approche « tout à la fois » est risquée, mais si ne serait-ce qu'une partie des caractéristiques annoncées se confirme sur du matériel, elle pourrait tracer une nouvelle voie pour toute une génération de processeurs neuromorphiques. Dans un monde où la consommation d'énergie des centres de données devient un enjeu géopolitique, toute architecture capable de réduire radicalement l'énergie dépensée en calcul mérite un examen attentif.