Le japonais travaille sur un processeur à architecture innovante pour traiter des réseaux neuronaux avec un rendement énergétique bien meilleur que celui des processeurs graphiques.

Socionext a développé un prototype de processeur neuronal dont l’objectif est de traiter des algorithmes d’apprentissage et d’inférence avec une faible consommation. Le japonais a pour cela mis en oeuvre une architecture propriétaire dite quantized DNN, optimisée pour traiter ces algorithmes avec des données et des paramètres réduits, des méthodes de compression et une mémoire embarquée spécifique. Le prototype s’avère capable d’effectuer une reconnaissance d’objets selon YOLO v3 à 30 images par seconde en consommant moins de 5W, dix fois moins que les processeurs graphiques usuels. Socionext va continuer de peaufiner son prototype avant de le commercialiser pour des applications de conduite assistée, de vidéosurveillance ou encore de contrôle industriel.