Puce neuromorphique LA Taille du Marché

Analyse du marché des puces neuromorphiques en Amérique latine

Le marché des puces neuromorphiques en Amérique latine était évalué à 0,19 milliard de dollars en 2020 et devrait atteindre 0,83 milliard de dollars d'ici 2026, avec un TCAC de 27,89 %. La demande de puces neuromorphiques augmente avec la demande croissante dIoT et danalyse de données. La motivation derrière la conception de ces puces est de créer une plate-forme permettant dexécuter des simulations en temps réel à grande échelle pour faciliter la recherche en neurosciences. En conséquence, linnovation dans larchitecture des processeurs suscite davantage dintérêt de la part des gouvernements, des instituts de recherche et des entités commerciales, évoluant ainsi vers des développements significatifs

• Neuromorphic est un ASIC spécifique inspiré du cerveau qui implémente les réseaux de neurones à pointes (SNN). Son objectif est d'atteindre la capacité de traitement cérébral massivement parallèle en dizaines de watts en moyenne. La mémoire et les unités de traitement sont en simple abstraction (in-memory computing). Cela conduit à lavantage dun comportement dynamique et auto-programmable dans des environnements complexes.
• Des entreprises, telles que BrainChip Holdings Ltd, forment de multiples activités de partenariat pour utiliser des puces neuromorphiques afin de freiner la propagation du COVID-19. En mai 2021, BrainChip Holdings Ltd s'est associé à la société d'immunologie de précision Biotome Pty Ltd pour développer un test d'anticorps COVID-19 rapide et précis. Les sociétés exploreront comment le processeur neuronal Akida pourrait améliorer la précision et la qualité des informations des tests d'anticorps tandis que Biotome se développe en fournissant une capacité d'IA avancée au point de service.
• Les puces neuromorphiques peuvent être conçues de manière numérique, analogique ou mixte. Les puces analogiques ressemblent mieux aux caractéristiques des propriétés biologiques des réseaux neuronaux que les puces numériques. Dans larchitecture analogique, peu de transistors sont utilisés pour émuler les équations différentielles des neurones. Par conséquent, en théorie, elles consomment moins dénergie que les puces neuromorphiques numériques. En outre, ils peuvent prolonger le traitement au-delà de la plage horaire qui leur est allouée. Grâce à cette fonctionnalité, la vitesse peut être accélérée pour traiter plus rapidement qu'en temps réel. Cependant, larchitecture analogique entraîne un bruit plus élevé, ce qui diminue la précision.
• Les puces numériques, en revanche, sont plus précises que les puces analogiques. Leur structure numérique améliore la programmation sur puce. Cette flexibilité permet aux chercheurs en intelligence artificielle dimplémenter avec précision différents types dalgorithmes avec une faible consommation dénergie par rapport aux GPU. Les puces mixtes tentent de combiner les avantages des puces analogiques, c'est-à-dire une moindre consommation d'énergie, et les avantages des puces numériques, c'est-à-dire la précision.
• Les architectures neuromorphiques répondent à des défis tels qu'une consommation d'énergie élevée, une faible vitesse et d'autres goulots d'étranglement liés à l'efficacité qui prédominent dans l'architecture de von Neumann. Contrairement à l'architecture traditionnelle de von Neumann avec des hauts et des bas soudains dans le codage binaire, les puces neuromorphiques fournissent une transition analogique continue sous la forme de signaux de pointe. Les architectures neuromorphiques intègrent le stockage et le traitement, éliminant ainsi le goulot d'étranglement du bus reliant le processeur et la mémoire.