Des machines qui captent leur environnement
L'élément clé des réseaux de neurones artificiels est la structure innovante du système de traitement de l'information. Ils sont composés d'un grand nombre d'unités de traitement interconnectées, appelées neurones, qui travaillent en parallèle pour résoudre un problème particulier. Les neurones impulsionnels diffèrent des réseaux de neurones artificiels conventionnels par le fait que les informations sont transmises par impulsions au lieu de taux de déclenchement variables. Les partenaires du projet SENSEMAKER ont pensé que les réseaux de neurones impulsionnels pourraient inclure la dynamique riche requise pour les applications en temps réel. Lorsqu'ils sont implémentés sur des matériels reconfigurables en parallèle, les réseaux de neurones peuvent tirer pleinement avantage de leur parallélisme inhérent et s'exécuter extrêmement plus rapidement que des simulations par logiciel. Cependant, le développement de circuits intégrés spécifiques (ASIC) pour réseaux de neurones est coûteux en temps et en argent. Les chercheurs de l'université d'Ulster au Royaume-Uni se sont par conséquent concentrés sur les réseaux de portes programmables in situ (FPGA) qui permettent une organisation de composants logiques faciles à configurer. Plus précisément, un train de bits de configuration mis à jour peut être téléchargé directement sur le dispositif pour apporter la modification souhaitée au système. Pour permettre l'exploitation des réponses d'un réseau de neurones biologiquement plausible, une version basée sur la conductance d'un modèle de neurone I&F (de l'anglais Integrate and Fire) a été implémentée sur une plate-forme FPGA. Une forme inspirée par la biologie de l'algorithme de plasticité synaptique à modulation temporelle relative (STDP, de l'anglais Spike Timing-Dependent Plasticity) a également été implémentée dans le matériel pour l'apprentissage du réseau de neurones. En utilisant une implémentation complètement parallèle de ce modèle, le nombre de neurones qu'il est possible d'implémenter était limité au nombre de multiplicateurs intégrés fournis. D'un autre côté, les architectures multiplexées dans le temps permettaient d'obtenir des équilibres favorables entre vitesse de traitement et taille du réseau de neurones. Le système final a été testé en effectuant des changements de coordonnées avec des résultats prometteurs. Cette application a été conçue dans le cadre du projet SENSEMAKER qui cherchait à créer une plate-forme matérielle capable de fusionner des données multi-sensorielles et, jusqu'à un certain degré, de percevoir son environnement. Les changements de coordonnées convertissent les angles d'un capteur haptique en coordonnées (x,y) qui sont à leur tour utilisées pour générer une représentation sous forme d'image haptique de l'espace de recherche. Toutefois, il a été démontré que des améliorations de l'implémentation basée sur FPGA seraient nécessaires pour obtenir des performances de type temps réel.
