Plate‑forme reconfigurable matériel‑logiciel HiAER‑spike pour le calcul neuromorphique événementiel à grande échelle

Pourquoi un nouveau type d’ordinateur compte

La plupart des intelligences artificielles actuelles tournent sur du matériel conçu il y a des décennies pour des tableurs et des traitements de texte, et non pour des cerveaux. À mesure que les chercheurs cherchent à construire des machines plus intelligentes et plus efficaces, ils se heurtent à des limites de consommation d’énergie, de vitesse et d’échelle. Cet article présente HiAER‑Spike, une plate‑forme de calcul neuromorphique qui traite l’information sous forme d’impulsions — de brefs événements électriques — à l’instar des neurones réels. Conçue comme une ressource partagée au San Diego Supercomputer Center, elle vise à permettre aux scientifiques du monde entier d’expérimenter une IA inspirée du cerveau à une échelle approchant celle de petits animaux, tout en consommant bien moins d’énergie que les systèmes conventionnels.

Construire une machine inspirée du cerveau

HiAER‑Spike est un grand groupe de serveurs, chacun équipé de puissantes puces reconfigurables appelées FPGA. Plutôt que d’exécuter des instructions logicielles classiques, ces puces sont configurées pour se comporter comme de vastes réseaux de neurones et de synapses artificielles, appelés réseaux neuronaux à impulsions. Le système complet est conçu pour gérer jusqu’à environ 160 millions de neurones du modèle et 40 milliards de synapses — plus du double du nombre de neurones d’un cerveau de souris — tout en les simulant plus rapidement que le temps réel. Un schéma de communication spécial, appelé routage d’événements par adresse hiérarchique, garantit que les impulsions peuvent voyager rapidement entre groupes de neurones sur la même puce, entre différentes puces, et même entre serveurs, en équilibrant le trafic local dense et les connexions longues et éparses, à la manière de la matière grise et blanche du cerveau.

Faire tenir d’immenses réseaux dans un matériel limité

Un défi majeur dans la construction de tels systèmes est simplement le stockage de toutes les connexions. Les réseaux neuronaux modernes sont souvent très volumineux mais aussi creux : la plupart des connexions possibles ne sont pas utilisées. HiAER‑Spike profite de cette parcimonie en ne stockant que les connexions existantes sous forme de listes efficaces, plutôt que dans une grille complète de toutes les possibilités. Les poids synaptiques résident dans une mémoire à très haute bande passante sur chaque FPGA, tandis que les états à évolution rapide des neurones et des axones sont conservés dans la mémoire interne, plus rapide. Lorsqu’une impulsion survient, le système recherche d’abord quelles synapses sont affectées, puis récupère leurs intensités et met à jour les neurones cibles. Ce processus en deux étapes, combiné à un empaquetage soigné des données en mémoire, maintient faible la consommation d’énergie et la latence, même lorsque les réseaux deviennent volumineux.

Rendre le matériel avancé facile à utiliser

Pour ouvrir cette machine spécialisée aux non‑experts, les auteurs ont créé une interface logicielle de haut niveau en Python et C++. Les utilisateurs décrivent leurs réseaux à impulsions avec des objets simples — définissant les types de neurones, les entrées, les connexions et les sorties — sans se soucier des détails matériels bas niveau. Le même code peut s’exécuter soit comme une simulation logicielle locale, soit, s’il est soumis via le portail Neuroscience Gateway, sur le matériel HiAER‑Spike lui‑même. La plate‑forme prend actuellement en charge des neurones binaires simples et des neurones « leaky integrate‑and‑fire », avec des options pour introduire de l’aléa dans leur comportement, et permet de mélanger différents types de neurones au sein d’un même réseau. Cette conception permet aux chercheurs de prototyper des modèles sur un portable, puis de les faire évoluer sans couture vers le grand cluster neuromorphique.

Mettre les impulsions au service de tâches réelles

Pour démontrer les capacités de la plate‑forme, l’équipe a converti divers modèles standards de vision et de contrôle en version à impulsions et les a exécutés sur un seul cœur d’un FPGA. Ils ont testé la reconnaissance de chiffres sur le jeu de données classique MNIST, la reconnaissance de gestes avec des caméras à événements qui émettent des impulsions au lieu d’images, la reconnaissance d’objets sur les images CIFAR‑10, et même le contrôle du jeu Atari Pong en utilisant une représentation de mouvement basée sur des impulsions. Sur ces tâches, le matériel a atteint des précisions proches de celles des simulations logicielles après quantification des poids, souvent à moins de quelques points de pourcentage près, tout en offrant une latence et une consommation d’énergie très faibles. Par exemple, certains réseaux de reconnaissance de chiffres ont atteint plus de 98 % de précision en n’utilisant que des microjoules d’énergie et des microsecondes de latence par image.

Vers où cette nouvelle plate‑forme peut conduire

Pour un lecteur profane, le message clé est que HiAER‑Spike est un banc d’essai de calcul flexible et inspiré du cerveau, accessible à distance à toute la communauté de recherche. Même à son stade précoce, un seul cœur peut exécuter des réseaux à impulsions de taille significative pour des tâches comme la reconnaissance de gestes à partir de caméras à événements, en utilisant beaucoup moins d’énergie et de temps que de nombreux systèmes concurrents. À mesure que davantage de cœurs et de cartes seront mis en ligne, et que le logiciel enrichira les modèles de neurones et les règles d’apprentissage, cette plate‑forme pourrait aider à rapprocher neurosciences et IA — en soutenant des expériences qui explorent comment de grands réseaux d’impulsions peuvent alimenter une perception, une prise de décision et de futurs dispositifs intelligents à faible consommation efficaces.

Citation: Frank, G., Hota, G., Wang, K. et al. HiAER-spike software-hardware reconfigurable platform for event-driven neuromorphic computing at scale. npj Unconv. Comput. 3, 22 (2026). https://doi.org/10.1038/s44335-026-00062-8

Mots-clés: informatique neuromorphique, réseaux neuronaux à impulsions, accélérateur FPGA, vision à événements, matériel inspiré du cerveau