Nous suivre Industrie Techno

abonné

Analyse

Composants intelligents : comment limiter la consommation énérgétique?

Composants intelligents : comment limiter la consommation énérgétique?

Des solutions logicielles et matérielles permettent de limiter la consommation énergétique des composants qui embarquent des capacités de calcul.

Le fonctionnement du véhicule autonome repose sur des technologies agissant en lien étroit les unes par rapport aux autres. Par exemple, pour appréhender son environnement, le véhicule utilise ses radars et ses lidars. Le système fusionne ces signaux reçus pour construire une grille d’occupation des objets qui l’entourent et ainsi déterminer la probabilité qu’un obstacle se situe à proximité. Parallèlement, une intelligence artificielle analyse les images fournies par des caméras embarquées pour déterminer la nature de l’objet et évaluer le danger. Ces actions, qui s’enchaînent de manière ininterrompue, sont consommatrices de données et de puissance de calcul, et donc particulièrement énergivores. La gestion de l’énergie est devenue un enjeu essentiel pour garantir la sécurité du passager tout au long d’un trajet.

Plusieurs technologies sont en cours de maturation : à l’institut Leti du Commissariat à l’énergie atomique (CEA), l’algorithme SigmaFusion ne nécessite qu’environ 1 watt de puissance pour bâtir des grilles d’occupation. Soit de 100 à 200 fois moins que des processeurs Nvidia ou Intel Core. Du côté du CEA List, l’accélérateur programmable PNeuro, codéveloppé avec la start-up GlobalSensing Technologies, permet de faire de la reconnaissance d’images avec une efficacité énergétique améliorée. Dans une publi­cation parue à l’occasion de la conférence « Design, automation and test in Europe », qui s’est tenue en mars 2018, les chercheurs indiquent que celle-ci est deux fois plus grande qu’avec des technologies concurrentes. PNeuro est utilisé lors de la phase dite « d’inférence » des intelligences artificielles appliquées à la reconnaissance d’images, qui consiste à placer l’algorithme en conditions réelles. Elle fait suite à une phase d’entraînement initiale à la reconnaissance, généralement réalisée hors ligne, à partir d’une banque d’images.

à la différence des processeurs généralistes qui équipent les téléphones ou les ordinateurs, un[…]

Pour lire la totalité de cet article, ABONNEZ-VOUS

Déjà abonné ?

Mot de passe perdu

Pas encore abonné ?

vous lisez un article d'Industries & Technologies N°1015-1016

Découvrir les articles de ce numéro Consultez les archives 2018 d'Industries & Technologies

Bienvenue !

Vous êtes désormais inscrits. Vous recevrez prochainement notre newsletter hebdomadaire Industrie & Technologies

Nous vous recommandons

[Vu sur le web] Produire de l’hydrogène vert sans électrolyseur : une avancée prometteuse dans la photo-électrolyse de l’eau

[Vu sur le web] Produire de l’hydrogène vert sans électrolyseur : une avancée prometteuse dans la photo-électrolyse de l’eau

D’après une publication relayée par IEEE Spectrum, le journal de l’association professionnelle « Institut des[…]

La stratégie électrique de Renault en trois points technos clefs

La stratégie électrique de Renault en trois points technos clefs

« Nous avons amélioré d’un facteur 100 le code de dynamique moléculaire dédié à l’optimisation des batteries », se réjouit Mathieu Salanne, vainqueur du Prix Spécial Joseph Fourier

« Nous avons amélioré d’un facteur 100 le code de dynamique moléculaire dédié à l’optimisation des batteries », se réjouit Mathieu Salanne, vainqueur du Prix Spécial Joseph Fourier

« Nous allons construire la gigafactory de batteries la plus efficace au monde », lance Christophe Mille, de Verkor

« Nous allons construire la gigafactory de batteries la plus efficace au monde », lance Christophe Mille, de Verkor

Plus d'articles