Les micropuces analogiques sont le remède à la soif de puissance des IA

espace visuel/iStock

En vous abonnant, vous acceptez nos Conditions d'utilisation et Politiques Vous pouvez vous désabonner à tout moment.

Dans le passé, les puces analogiques régissaient l'informatique, fonctionnant sur des plages de valeurs continues. Alors que l'informatique analogique peut sembler obsolète par rapport aux normes d'aujourd'hui, manquant de la précision et de l'adaptabilité des puces numériques, elle connaît un renouveau dans le domaine de choses comme l'IA avancée. Mais quels sont-ils et comment pourraient-ils être utiles ?

Découvrons-le.

Une puce analogique, ou un circuit intégré analogique (IC) ou un dispositif, est un dispositif à semi-conducteur qui traite et manipule des signaux analogiques. Les signaux analogiques sont des signaux électriques continus et variant dans le temps représentant des phénomènes du monde réel tels que le son, la température, la pression et la lumière. Ces puces sont utilisées dans de nombreuses applications, notamment l'électronique grand public, les télécommunications, les systèmes automobiles et l'automatisation industrielle.

En d'autres termes; les puces analogiques fonctionnent un peu de la même manière que les cellules de votre cerveau. Contrairement aux puces numériques, qui utilisent des 1 et des 0 pour traiter les informations, les puces analogiques fonctionnent avec une plage continue de valeurs, comme un gradateur qui peut être ajusté en douceur.

Les puces analogiques se caractérisent par leur capacité à gérer des signaux continus, contrairement aux puces numériques qui fonctionnent avec des signaux binaires discrets (0 et 1). Les composants fondamentaux des puces analogiques comprennent des transistors, des condensateurs, des résistances et des diodes, qui sont interconnectés pour créer des fonctions de circuit spécifiques telles que l'amplification, le filtrage et la conversion du signal. Pour cette raison, les puces analogiques permettent une interaction transparente entre le monde naturel et le domaine numérique, garantissant que nos systèmes électroniques restent efficaces, fiables et polyvalents.

Malgré la prévalence croissante de la technologie numérique, les puces analogiques restent indispensables en raison de leur capacité unique à gérer les signaux du monde réel. Le développement de circuits intégrés à signaux mixtes, qui combinent des circuits analogiques et numériques sur une seule puce, a encore accru l'importance de la conception et de l'expertise analogiques. Cette intégration permet des systèmes électroniques plus compacts, efficaces et rentables, alimentant l'innovation dans de nombreux domaines.

L'un des types de puces analogiques les plus courants est l'amplificateur opérationnel (amplificateur opérationnel). Les amplificateurs opérationnels sont des composants polyvalents qui remplissent diverses fonctions, telles que l'amplification du signal, le filtrage et les opérations mathématiques. Ils font partie intégrante de nombreux systèmes électroniques, des équipements audio aux dispositifs médicaux.

Téravolt/Wikimedia Commons

D'autres exemples notables de puces analogiques sont le convertisseur analogique-numérique (ADC) et le convertisseur numérique-analogique (DAC). Ces puces convertissent les signaux analogiques continus en données numériques discrètes et vice versa, permettant la communication entre les domaines analogique et numérique. Les ADC et les DAC sont essentiels pour convertir le traitement numérique du signal, l'acquisition de données et les systèmes audio et vidéo numériques.

Les régulateurs de tension sont un autre type important de puce analogique. Ils fournissent des niveaux de tension stables à divers circuits électroniques, garantissant que le système fonctionne de manière fiable et efficace. Les régulateurs de tension sont utilisés dans de multiples applications, des alimentations et chargeurs de batterie à l'électronique automobile et aux systèmes d'énergie renouvelable.

Les puces analogiques sont également largement présentes dans les dispositifs spécialisés adaptés à des applications spécifiques, telles que les interfaces de capteur, les circuits de radiofréquence (RF) et les circuits intégrés de gestion de l'alimentation. Les interfaces de capteur permettent le traitement et la conversion des signaux générés par des capteurs tels que des capteurs de température, de pression ou de lumière. Les circuits de radiofréquence facilitent la communication sans fil dans les téléphones portables, les routeurs Wi-Fi et les systèmes satellites. Les circuits intégrés de gestion de l'alimentation, quant à eux, régulent et distribuent l'alimentation dans les systèmes électroniques, optimisant la consommation d'énergie et prolongeant la durée de vie de la batterie.

Les micropuces analogiques et numériques diffèrent par leurs fonctionnalités, leur traitement du signal et leurs domaines d'application. L'une des différences les plus importantes est la manière dont le traitement du signal se produit avec chaque type de puce. Les micropuces analogiques traitent des signaux électriques continus et variant dans le temps représentant des phénomènes du monde réel tels que le son, la température et la lumière. En revanche, les micropuces numériques fonctionnent avec des signaux binaires discrets représentés par des 0 et des 1. Ces signaux binaires effectuent des opérations logiques et arithmétiques dans les systèmes numériques.

Une autre différence notable est que les puces analogiques sont conçues pour gérer des fonctions spécifiques telles que l'amplification, le filtrage et la conversion du signal. Des exemples de micropuces analogiques comprennent des amplificateurs opérationnels, des convertisseurs analogique-numérique et des régulateurs de tension. Les micropuces numériques, quant à elles, peuvent exécuter des opérations logiques et arithmétiques complexes basées sur des données binaires. Des exemples de micropuces numériques comprennent les microprocesseurs, les microcontrôleurs et les puces de mémoire.

Les applications qui nécessitent un traitement ou un contrôle continu du signal reposent sur des micropuces analogiques, telles que celles que l'on trouve dans les équipements audio, les interfaces de capteurs et les systèmes de gestion de l'alimentation. Pour le traitement, le stockage et la communication des données, les micropuces numériques sont cruciales, comme on le voit dans les ordinateurs, les smartphones et les systèmes de communication numériques.

Les composants du circuit font également une différence. Les micropuces analogiques sont composées de composants fondamentaux tels que des transistors, des condensateurs, des résistances et des diodes, qui sont interconnectés pour créer des fonctions de circuit spécifiques. Les micropuces numériques, quant à elles, consistent en des portes logiques numériques construites à partir de transistors, qui sont organisés en structures plus complexes telles que des bascules, des registres et des unités logiques arithmétiques.

La susceptibilité au bruit est un autre facteur distinctif. Les micropuces analogiques sont plus sensibles au "bruit" (petites variations indésirables de tension) et à la dégradation du signal, car même de petites variations des niveaux de signal peuvent affecter les performances globales du système. Les micropuces numériques sont moins sensibles au bruit car elles fonctionnent sur des niveaux de tension discrets, ce qui facilite la distinction entre les 0 et les 1. Cependant, les processus de conversion analogique-numérique et numérique-analogique peuvent introduire du bruit et des erreurs de quantification dans les systèmes à signaux mixtes.

Andrzej Barabasz/Wikimedia Commons

L'IA d'aujourd'hui fonctionne principalement à l'aide de l'opération mathématique de multiplication matricielle, qui consiste à multiplier deux tableaux rectangulaires de nombres. Cela se produit lorsque des informations circulent entre des cellules cérébrales artificielles ou des neurones. Pour prendre des décisions rapides, de nombreux «neurones artificiels» doivent simultanément envoyer des données à de nombreux autres neurones. C'est un processus énorme et compliqué. Pour cette raison, les unités de traitement graphique (GPU), conçues pour gérer ces processus rapides et volumineux, sont désormais largement utilisées dans le développement de l'IA. De puissants GPU et des puces d'IA spécialisées permettent de créer de plus grands réseaux de neurones avec des tonnes de neurones virtuels traités par des milliers de GPU. Bien que ce soit excellent pour la recherche sur l'IA et l'amélioration des capacités de l'IA, cela pose quelques problèmes.

Les GPU d'aujourd'hui ont des milliards de minuscules transistors qui consomment beaucoup d'énergie et produisent beaucoup de chaleur. Pensez à la puissance et à la chaleur que des milliers de GPU produiraient pour former une IA, ainsi qu'à la puissance nécessaire pour refroidir l'équipement. Ce serait comme utiliser plus d'électricité que plusieurs maisons en un an et cela prendrait beaucoup d'espace.

En fait, les écologistes et d'autres ont souvent souligné que l'IA a déjà un impact environnemental énorme, et cela augmentera encore si elle se généralise. Il a été estimé que la formation d'un seul modèle d'IA a à peu près le même impact environnemental que la production à vie de cinq voitures - y compris leur fabrication.

Lorsqu'une IA est prête à faire son travail, elle a toujours besoin d'un gros GPU avec toute la puissance et la chaleur qu'elle crée. Cela rend également plus difficile l'intégration de l'IA dans de petits appareils comme des caméras ou des robots, où il y a peu de place pour toute cette puissance et cette chaleur.

Et c'est là que les puces analogiques pourraient aider. Bien qu'elles soient moins performantes dans certains domaines que les puces numériques, les puces analogiques sont rapides et consomment moins d'énergie pour une seule tâche, comme la multiplication de grands groupes de nombres. Cela en fait une bonne concurrence pour les puces numériques. Une puce AI analogique spéciale utilise moins de 10 watts de puissance, tandis qu'un GPU utilise plus de 100 watts pour la même chose. Cela signifie que nous pouvons mettre l'IA dans des appareils plus petits où la puissance et la chaleur sont importantes, comme une caméra alimentée par l'IA sur une ligne d'usine, qui peut reconnaître des pièces sans envoyer des tonnes de données à un autre système et attendre une réponse.

Les puces analogiques ne peuvent pas remplacer les puces numériques pour tout ce que fait l'IA, en particulier lorsque vous travaillez avec des personnes ou obtenez des informations. Mais combiner les meilleures parties des deux types de puces pourrait aider à rendre l'IA encore meilleure, non seulement pour les produits de haute technologie, mais aussi pour les appareils intelligents dans les maisons et les usines du monde entier.

Cela étant dit, certaines entreprises font d'énormes progrès dans ce domaine. Des startups matérielles comme Innatera, Rain Neuromorphic et d'autres créent des puces analogiques avec des circuits neuromorphiques pour imiter les fonctionnalités du cerveau pour l'informatique IA. Le cerveau est intrinsèquement analogique dans la façon dont il absorbe les données sensorielles brutes, et ces fabricants de puces visent à recréer le fonctionnement des neurones et des synapses à l'aide de circuits analogiques traditionnels. L'analyste Kevin Krewell de Tirias Research a noté que les puces analogiques sont particulièrement adaptées aux dispositifs de détection à faible puissance, en particulier pour les applications sonores et visuelles.

L'IA et l'apprentissage automatique reposent principalement sur des puces numériques, mais il y a une place pour les puces analogiques à la périphérie, comme dans les smartphones et les voitures, qui nécessitent une intelligence instantanée sans avoir besoin d'envoyer des données vers le cloud. La puce IA de troisième génération d'Innatera compte 256 neurones et 65 000 synapses et exécute l'inférence à moins d'un milliwatt. La puce est utilisée par les clients pour exécuter des applications radar et audio, visant à intégrer de faibles niveaux d'apprentissage et d'inférence sur l'appareil.

La puce d'Innatera prend les informations d'un capteur, les convertit en pointes et encode le contenu en fonction du moment où ces pointes se produisent. La puce imite le cerveau en échelonnant le courant entrant et sortant du neurone artificiel. L'objectif n'est pas de perturber le flux d'IA dans le cloud, mais de remplacer les puces d'IA en périphérie qui ne peuvent actuellement pas prendre de décisions sur l'appareil. La puce réduit le processus de conversion des signaux analogiques en signaux numériques en convertissant les signaux analogiques en pointes.

Les circuits analogiques ont des limites, telles que la difficulté de mise à l'échelle comme les circuits numériques et la nécessité d'une conversion au numérique pour interagir avec le reste du système. Malgré ces défis, les puces neuromorphiques ont le potentiel de fournir une intelligence sur l'appareil avec une meilleure efficacité énergétique par rapport à l'IA dans le cloud.

Et c'est votre lot pour aujourd'hui.

Alors que les puces numériques sont, de loin, la forme la plus dominante sur le marché, leur forte consommation d'énergie (et leur production de chaleur) sont un facteur limitant important pour elles si des processus gourmands en puissance de calcul comme l'IA doivent se généraliser dans la société. En codant en dur (c'est-à-dire en imprimant), des algorithmes d'IA simples ou plus complexes sur des puces analogiques pourraient être le remède.