Matériel neuromorphique moléculaire
Puces IA inspirées du cerveau : précision de 14 bits, consommation d'énergie 200 fois inférieure à la norme actuelle
Contact :
sreetosh@iisc.ac.in
Vision
Bâtir le substrat pour une IA qui apprend en continu, localement, et à des ordres de grandeur d'énergie inférieurs au matériel numérique.
Problème
Le calcul de l'IA est limité par l'énergie : aujourd'hui, les GPU consomment la majeure partie de leur puissance à transférer des données entre la mémoire et le processeur, et non à calculer, ce qui rend l'IA coûteuse, lente et impossible à exécuter sur l'appareil.
Solution
Des barres croisées de memristors moléculaires qui fusionnent la mémoire et le calcul au sein d'un même support physique, offrant une précision analogique de 14 bits avec une consommation d'énergie inférieure de plusieurs ordres de grandeur à celle du matériel d'IA numérique.
Potentiel
Le marché des puces d'IA embarquée (Edge AI) dépassera les 50 milliards de dollars d'ici 2030. Notre plateforme cible tous les appareils nécessitant un apprentissage local : téléphones, drones, satellites, technologies portables, capteurs de défense ; potentiellement des milliards de terminaux.
Bénéficiaires visés
L'IA, les équipementiers matériels, les agences de défense et spatiales, l'edge, les fabricants de périphériques, les entreprises d'objets connectés de santé, et toute nation recherchant une infrastructure IA souveraine, à faible consommation, au-delà du cloud.
Utilisateurs actuels
Des prototypes au niveau de la puce exécutant l'inférence et l'apprentissage de modèles CNN, ANN, LSTM et de langage ; validés sur les données du télescope spatial James Webb ; en cours de transfert actif avec le DRDO et le MeitY pour une intégration à l'échelle de plaques de 200 mm.
