Un système informatique inspiré du cerveau, mis au point par des chercheurs de l’Institut de technologie de Pékin, a classé des états émotionnels à partir de données d’électroencéphalographie (EEG) en 18 microsecondes, en utilisant 2,66 microjoules par inférence. L’équipe indique que, lors de tests sur une plateforme FPGA, la conception a consommé 97,5 % d’énergie en moins que le modèle EEGNet utilisé à des fins de comparaison.
Décrit dans la revue National Science Review, le système associe un réseau neuronal à impulsions adaptatif dynamique à un accélérateur globalement asynchrone et localement synchrone (GALS). Il extrait des caractéristiques d’entropie spectrale des signaux EEG, convertit les activités informatives en événements d’impulsions clairsemés et permet aux composants matériels de rester inactifs lorsqu’aucun événement ne survient.
Les chercheurs indiquent que chaque neurone artificiel ne se déclenche pas plus d’une fois pendant un cycle d’inférence. Le réseau affichait un taux moyen de déclenchement d’environ 35 %, ce qui, selon leur estimation, réduit de moitié les besoins en calcul par rapport aux réseaux denses. La consommation électrique totale de l’accélérateur était de 148 milliwatts.
Le système a été évalué sur cinq jeux de données de reconnaissance des émotions : SEED, SEED-IV, SEED-V, DEAP et DREAMER. Il a atteint une précision allant jusqu’à 96,85 % sur SEED. Les chercheurs ont également signalé une résistance au bruit gaussien, à la dérive des signaux de basse fréquence et aux artéfacts électromyographiques associés à l’activité musculaire.
Les résultats ont été mesurés à l’aide d’un FPGA Xilinx Zynq-7020. L’étude présente cette architecture comme une voie potentielle vers le traitement des EEG portables à plus faible consommation, mais les performances rapportées concernent le système et les jeux de données testés.
Sources: Neuroscience News.