Global Sensing Technologies relève le gant du processeur neuronal

GlobalSensingTechnologiesrelèvelegantduprocesseurneuronal"madeinFrance"
EnassociantunestructuredeprétraitementdesdonnéessurFPGAenamontd'uncalculateurneuronal,lajeunesociétéfrançaiseGlobalSensingTechnologies
remetaugoûtdujourcetyped'approchebaséesurdescalculsparallèlesetdesalgorithmesd'autoapprentissage.Avec,enlignedemire,lafabricationen2016
d'uncircuitintégréneuronalentechologieCmos.UnepremièreenEurope....
Imiter le fonctionnement du cerveau et son extraordinaire capacité à apprendre en permanence. Tel est l’objectif d’un processeur dit neuronal qui, par
apprentissage,permetdereconnaîtregrâceàdescalculsparallèlesunsignalbeaucoupplussimplementetrapidementqueneleferaitunprocesseurséquentiel
traditionnel.Aufondl’idée,àl’instardumondevivant,estderéaliseraveccetyped’architecturedesclassificationspuisd'apprendreàlesaméliorer.Cetteapproche
afaitbeaucoupparlerd’elleilyaunevingtained’années,maislesespoirssuscitésparlatechnologien’ontpasétéàlahauteurdesrésultats.Encréanten2011
GlobalSensingTechnologies(http://globalsensing.eu/fr),XavierBruneau,ingénieurcentralien,etMichelPaindavoine,professeuràl'universitédeBourgogneetspécialistedutraitementdu
signaletdel'image,relèventlegantenselançantdansl’aventure:créerunprocesseurneuronaladaptéauxcontraintesdesapplicationsembarquées.
MichelPaindavoine,cofondateurdeGlobalSensingTechnologies
«Encréantl'entreprise,nousavionslavisionqu’ilétaitnécessairederéaliserdesprétraitementssurlesdonnéesacquisesparunsystèmeneuronal
avant d’utiliser le processeur neuronal luimême, explique Michel Paindavoine. Car l'une des causes des limitations des premiers processeurs
neuronauxétaitliéeaufaitqu’ilsdevaienttraiterdirectementdesdonnéesmultiplesbrutes,avecl’idéequeleréseauneuronalétaitcapableviases
algorithmes des’autoorganiser.Orcetteapprochene fonctionnepas correctement.De notrecôté,nous pensonsque,pourtirerpartide toutela
puissancedetraitementd’unprocesseurneuronal,ilfautimpérativementluidélivrerdesdonnéesprétraitées,filtréesavantlesphasesd’analyseet
derecherche.»
AssocierFPGAetprocesseurneuronal
Dansunpremiertemps,GlobalSensingTechnologies(GST)adoncassociéunFPGAVirtexdeXilinx,surlequellesalgorithmesdeprétraitement
desdonnéessontinstallés,avecunprocesseurneuronalexistant,leCM1K,développéauxEtatsUnisparlasociétéCogniMemTechnologies(quiintègre1024neurones).L’ensembleétant
implantésurunmoduledepetitetaillede5cmdecôté,adaptéauxapplicationsembarquées.Ensuite,surcettebase,lastartupadéveloppésesproduitsdepremièregénération,commela
carteNeuroFPGAentièrementparamétrableparl’utilisateurenfonctiondel’applicationvisée,lacarteNeuroPIC,équipéed’unmodulecaméraquipermetlamiseenœuvred’applications
d’intelligence artificielle embarquée pour des systèmes de reconnaissance faciale, de forme ou de détection de défauts, ou encore la Smart NeuroCam, une caméra intégrant la carte
NeuroFPGA(illustrationcidessous).LasociétéaégalementélaborélaplateformelogicielleGSTNeuroPlatform,unenvironnementdeprogrammationdusystèmeneuronalquipermet
d’exécuterdesfonctionsdehautniveaupourdesapplicationsd’intelligenceartificielle,etdecréerlabasedeconnaissanced’unsystèmeneuronalémulé.
Danslecasd’applicationsquineréclamentpasderapiditédetraitementcommel'analysedequelquesimagesparseconde,notammentdansledomainedeladomotiqueetdel’aideaux
personnesdépendantes(détectiondechutes),GSTaensuiteexpérimentél’implantationd’unmodèleneuronalsurunprocesseurARM.PlusprécisémentsurlacarteopensourceOlimex,
architecturéeautourd’unprocesseurAllwinnerA10basésurunCortexA8.
Développersapropretechnologie
Fortedessuccèsrencontrésavecsonapprocheetdesonsavoirfaireentraitementdesignaletenarchitecturesneuronales,lasociétéadécidédepasseràlavitessesupérieureetdese
lancerdansledéveloppementdesapropretechnologiesouslaformed’uncircuitintégré.UnepremièreenEurope.Grâceenparticulieràl’implicationdeGSTdansleprojetNeuroDSP,
danslequelleCEAListestlelaboratoireréférent.Retenudanslecadredu15 appelàprojetscollaboratifsduFondsuniqueinterministériel(FUI),soutenuparBpifranceetlescollectivités
locales,etcolabellisé parles pôlesde compétitivitéArveIndustries (usinage complexe et mécanique de précision) et Vitagora (problématiques de santé et de nutrition), ce projet de
recherche a pour objectif d'associer les caractéristiques et les capacités d'un processeur neuronal à celles d'un processeur classique et d'intégrer cette architecture hybride dans des
applications industrielles (robotique, agronomie, agroalimentaire…). La fonctionnalité de traitement du signal, réalisée par le processeur classique, met en évidence par exemple des
caractéristiques physiques d’un objet (couleurs, forme...) alors que le réseau de neurones, en aval, détecte des défauts et fait le lien avec des modèles enregistrés via une phase
d’apprentissage.
Desprototypespréindustrielsen2016
«Al’horizon2016,nousdisposeronsainsideprototypespréindustrielsdenospropresprocesseursneuronaux,souslaformed'Asicfabriquésentechnologieavancée,notammentenCmos
40nmchezSTMicroelectronics,s'enthousiasmeMichelPaindavoine.Lesconceptstechnologiquessontd’oresetdéjàvalidés,avecunclusterde32neurones(ouprocesseursélémentaires)
associésàunopérateurarithmétiquedetypeMAC(multiply–accumulateoperation)etàunemémoiredequelqueskilooctets,pourunefréquencedefonctionnementde500MHzetune
consommation visée très faible, inférieure à 1 W. »A comparer aux 80 à 10 W des processeurs graphiques GPU qui sont des concurrents directs des DSP neuronaux dans certaines
applications.«Enparallèle,noustravaillonsavecdespartenaires,commelefabricantd’équipementsdecuisineSebetlaPMEbourguignonneARDPI,pourintégrercecircuitdanslecas
présentd’uneapplicationd’assistanceàlacuissonautomatiqued'aliments»,préciseMichelPaindavoine.
e

Carlemarchéviséparcettepucedenouvelle génération,dontlecoûtunitaire devraitavoisinerles10 euros,estbienceluidu grandpublicet/ou celuidesapplicationsdevolume(en
moyenne ou grande séries). Comme l’automobile par exemple. GST est ainsi partenaire au sein du pôle de compétitivité Moveo dans un projet de recherche lié aux systèmes ADAS
(Advanced Driver Assistance Systems) embarqués. Parallèlement, GST compte poursuivre le développement de ses solutions à base de FPGA, adaptées aux petites séries dans des
applicationsnécessitantdefortespuissancesdecalcul.
Quantàlafeuillederoutedelasociété,implantéeàDijonetforted’oresetdéjàde8collaborateursdontsixenR&D,elleestambitieuse.GSTvisedès2016unchiffred’affairesd'unmillion
d’eurosetcible10à20millionsd’eurosàl’horizon2020pouruneffectifcomprisentre20et30personnes.