Certains analystes considèrent Intel comme une entreprise de processeurs avec des installations de fabrication – d’autres la considèrent comme une entreprise de fabrication qui se trouve juste à fabriquer des processeurs. Dans le grand schéma des choses, Intel est un hybride de produit, de fabrication, d’expertise, d’investissement et peut-être plus important encore, de recherche. Intel a beaucoup de recherche et développement dans ses livres, la plupart visant les cycles de produits actuels dans la période de 12 à 36 mois, mais au-delà, comme avec la plupart des grandes sociétés d’ingénierie, il y a une équipe de personnes dédiées à trouver le prochain. grande chose sur 10-20 + ans. Cela s’appelle généralement la division Moonshot dans la plupart des entreprises, mais ici, nous la trouvons appelée Intel Labs, et le Dr Richard Uhlig est à la tête de cette équipe de gourous de la recherche de voies.

J’ai eu un certain nombre de divisions d’Intel dans ma périphérie pendant un certain temps, telles que les équipes d’Intel Interconnect, Intel Capital (le fonds d’investissement) et Intel Labs. C’est dans les laboratoires qu’Intel parle de ses efforts en matière d’informatique quantique, de son incursion dans l’informatique neuromorphique, la photonique sur silicium, dont certaines deviennent des annonces parallèles intéressantes lors d’événements tels que le CES et le Computex. Au-delà de cela, Intel Labs propose également des segments pour l’apprentissage fédéré, la sensibilisation et la collaboration universitaires, l’assistance aux projets du gouvernement / DARPA, la sécurité, l’audio / visuel et bien d’autres qui sont probablement tenus à l’écart des journalistes persistants.

Récemment, Intel Labs a été placé sous la direction de la division de Raja Koduri, et une partie de l’élan derrière la messagerie d’Intel a été de se concentrer sur l’avenir de l’entreprise, ce qui signifie une plus grande sensibilisation des départements comme Intel Labs, et la possibilité de parler avec certaines des personnes clés à l’intérieur. Avant cette interview, j’ai eu des séances d’information des équipes de neuromorphie et de photonique intégrée d’Intel dans le cadre d’un nouvel événement annuel «Intel Labs Day» pour la communauté autour des offres de recherche d’Intel.

Le titre officiel du Dr Richard Uhlig est «Senior Fellow and Vice President in the Technology, Systems Architecture and Client Group and the Director of Intel Labs». Le Dr Uhlig a rejoint Intel en 1996 et a dirigé la définition de plusieurs générations d’architecture de virtualisation pour les processeurs et plates-formes Intel, connus collectivement sous le nom de technologie de virtualisation Intel (Intel VT), et a travaillé sur des projets de cette ligne menant à Software Guard Extensions (SGX ) et au-delà. Uhlig a été directeur de la recherche sur les systèmes et les logiciels chez Intel Labs de 2013 à 2018, où il a dirigé les efforts de recherche dans les domaines de la virtualisation, des systèmes de cloud computing, des réseaux définis par logiciel, de l’analyse des mégadonnées, de l’apprentissage automatique et de l’intelligence artificielle.

Cette interview a été réalisée fin 2020 – des références sont faites à l’événement Intel Labs, qui était en décembre 2020.

Qu’est-ce qu’Intel Labs, comment fonctionne-t-il

Ian Cutress: Quand quelqu’un entend les mots «Intel Labs», on peut évoquer quelque chose qui ressemble à un laboratoire de chimie avec des scientifiques en blouse blanche et des lunettes de sécurité. Cependant, pour autant que je sache, Intel Labs est plus similaire au X de Google, une entité qui existe uniquement pour trouver les prochaines grandes innovations. À quel point cela est-il proche de la vérité, ou comment décririez-vous Intel Labs dans vos mots?

Rich Uhlig: Vous avez bien compris. Nous sommes censés explorer l’avenir d’Intel et examiner le type de technologies perturbatrices qui pourraient changer la façon dont l’entreprise fonctionne à l’avenir. Il ne s’agit donc pas tant d’avancées incrémentielles que de rechercher les idées fantastiques – les éléments qui font bouger l’entreprise en explorant de nouveaux domaines. Notre champ d’application est tout, depuis les circuits vers le haut – nous examinons l’innovation de circuit et la microarchitecture. Dans l’architecture, nous examinons les logiciels système, les systèmes d’exploitation et les moniteurs de machines virtuelles, nous examinons les systèmes de programmation, nous examinons les charges de travail et les applications émergentes, et nous examinons la façon dont les gens utilisent les systèmes. Nous adoptons cette vue d’ensemble, et nous avons des personnes qui peuvent contribuer dans tous ces domaines alors que nous recherchons d’éventuelles innovations de rupture pour l’entreprise.

IC: Parce que l’objectif d’Intel Labs est de se concentrer sur ces générations futures de calcul pour résoudre les problèmes mondiaux, tels que les nouveaux modèles et paradigmes de calcul et de réseau, les utilisateurs peuvent penser que vous êtes également impliqué dans des méthodes de fabrication de nouvelle génération, mais tu n’es pas. Est-ce une division holistique au niveau de la vision, ou simplement la dynamique d’Intel?

RU: C’est vrai – Intel a son propre département de développement de processus, ce que nous appelons en interne «TD» ou «développement technologique», et il y a un [branch of Intel] qui prend en charge ce que l’on appelle la recherche sur les composants.

Sur le plan organisationnel, c’est distinct de ce que nous regardons, même si bien sûr nous collaborons étroitement avec eux car il y a souvent des moments d’opportunité à l’intersection entre processus et circuits ainsi qu’au niveau de la microarchitecture / architecture et des circuits que nous construisons.

IC: Pour le genre de choses qu’Intel Labs fait, bâtir sur le nœud de processus de pointe n’est pas nécessairement toujours une exigence dans cette vision à long terme?

RU: Nous faisons des prototypes de silicium et nous utilisons les installations de fabrication d’Intel pour cela. Mais une grande partie de ce que nous faisons n’implique même pas du tout le prototypage de silicium – cela peut impliquer une nouvelle innovation logicielle, il se peut que nous mettions en place des systèmes avec d’autres méthodes ou ingrédients.

IC: Intel Labs semble presque comme s’il s’agissait d’une entité distincte d’Intel, bien que disposant d’un accès à la fabrication et autres. Je comprends qu’Intel Labs fait désormais partie du côté de Raja Koduri de l’organisation – quelle est l’autonomie des Intel Labs (et est-ce la bonne quantité)?

RU: Dans notre histoire, nous avons toujours eu une grande autonomie et cela est voulu par la conception. [This is] parce que notre objectif est d’explorer les technologies de rupture. Nous sommes financés au niveau de l’entreprise et d’une manière qui nous permet de sélectionner les paris de recherche qui, selon nous, pourraient porter leurs fruits, ou de prendre des risques que d’autres parties de l’entreprise ne feraient pas. Le changement récent dans lequel nous avons intégré l’organisation de Raja – il nous aide en ce qu’il crée de nouveaux liens entre les équipes de produits et les organisations d’ingénierie dirigées par Raja. Nous avons toujours notre autonomie pour explorer l’innovation, mais nous avons également de nouvelles voies pour transférer l’expertise et les connaissances au sein de l’organisation. Et je dirais que nous / Intel Labs avons toujours dû s’intégrer quelque part au sein de l’entreprise, et je pense que cette décision la plus récente a été très positive.

IC: Pouvez-vous nous donner une idée de la taille des laboratoires Intel – budgets, employés, bureaux? Je crois comprendre que c’est plus que la Silicon Valley.

RU: Nous sommes environ 700 chercheurs, principalement des docteurs dans les domaines dont j’ai parlé au début, et nous couvrons tout de haut en bas. Nous sommes une organisation mondiale, comme vous l’avez noté, et nous avons des laboratoires sur la côte ouest de l’Oregon et de la Californie. Mais nous sommes également présents en Inde, en Chine, en Allemagne, en Israël, au Mexique. Cette empreinte mondiale est importante pour la façon dont nous effectuons notre travail, car nous ne faisons pas que de la recherche au sein de l’entreprise – nous engageons le milieu universitaire, et nous sommes dispersés car cela nous permet de travailler en étroite collaboration et directement avec les chercheurs des principales universités du monde entier. planète. Cela nous permet également de faire appel à différentes agences gouvernementales et de comprendre les spécificités du marché de chacune de ces zones géographiques. C’est important pour toute notre méthodologie.

L’objectif de la recherche Intel Labs

IC: Dans le cadre de l’événement Intel Labs (décembre 2020), la société est [going to give/has given] nous donner un aperçu de cinq domaines clés: la photonique intégrée, le calcul neuromorphique, l’informatique quantique, la sécurité pour l’apprentissage fédéré et la programmation machine. C’est une bouchée! Je suppose que chacun de ces domaines ne représente pas simplement 20% des laboratoires Intel! Y a-t-il un sujet dont vous souhaitez parler au monde entier et qui ne figure pas sur cette liste (et pouvez-vous nous donner un teaser)?

RU: Pendant le temps dont nous disposions pour l’événement Intel Labs, nous avons dû être sélectifs, nous sélectionnons donc quelques points forts, mais ce n’est certainement pas toute la portée de ce que nous faisons. Une grande partie de notre investissement est dans de nouveaux modèles de calcul: l’informatique neuromorphique et quantique en serait des exemples. Mais nous effectuons également des recherches de base sur les accélérateurs pour différents types de spécialisation, car vous savez que l’industrie s’est beaucoup concentrée sur l’amélioration de l’efficacité énergétique des algorithmes d’IA, comme les réseaux de neurones profonds et des choses comme ça. Nous faisons donc des recherches pour améliorer ce genre de charge de travail. Nous [also] travaillent dans les technologies de stockage et de mémoire, nous travaillons dans de nouvelles technologies de détection, nous examinons les technologies de connectivité. En plus de la photonique sur silicium, qui est une technologie de connectivité, nous investissons substantiellement dans le sans fil, dans les communications mmWave et dans la prise en charge de la 5G et au-delà. Nous avons également un effort pour programmer plus efficacement les systèmes ou les systèmes de conception – nous avons un laboratoire de CAO stratégique qui travaille dans ces domaines, ainsi qu’un accent général sur la confiance, la sécurité, la recherche sur la confidentialité, etc.

IC: Quand vous parlez de 5G, comme mmWave, nous savons qu’Intel a vendu, évidemment, le secteur des modems, à Apple au cours des 12 à 18 derniers mois. Alors, quand vous dites qu’Intel travaille sur mmWave, comment cela s’inscrit-il dans le contexte de l’industrie?

RU: Les modems sont le point final, ce qui entre dans les appareils, mais Intel a toujours un pari énorme sur la construction d’une infrastructure 5G. [For that] il faut de la recherche et des technologies de pointe pour réussir avec ce genre de stratégie, et c’est vraiment là que se situe notre objectif. De plus, non seulement mmWave, mais nous examinons également tout ce qui entre dans la construction de réseaux d’accès radio, le cœur de l’infrastructure réseau, [and so on]. La grande transition qui se produit dans l’industrie est que nous passons d’un équipement de réseau spécialement conçu à des éléments basés sur du matériel plus général, un peu comme la transition qui s’est produite dans les centres de données cloud, mais c’est un autre type de charge de travail et cela doit être optimisé d’une manière différente. Mais nous travaillons beaucoup dans ce domaine, appliquer les technologies que nous avons développées dans les laboratoires et y compris des choses comme la virtualisation et la virtualisation des fonctions réseau serait un exemple de la façon dont vous savez que nous contribuons à cette opportunité pour Intel.

IC: Intel a annoncé Snow Ridge, sa plate-forme 5G de station de base – Intel Labs a-t-il contribué à cela?

RU: Nous avons effectué des recherches dans les laboratoires dans un grand nombre de domaines différents, y compris la virtualisation des fonctions réseau et l’optimisation pour le traitement de la bande de base et des choses comme ça, qui sont des ingrédients technologiques clés pour la plate-forme Snow Ridge. Les laboratoires ont contribué à cela par le biais de l’équipe produit, c’est donc un exemple de la façon dont nous interagissons avec les équipes produit pour mettre les choses sur le marché, bien que les laboratoires n’aient pas directement fourni cette plate-forme. [as a product].

IC: Quelle proportion des laboratoires Intel est constituée de logiciels par rapport au matériel?

RU: Presque tout ce que nous faisons implique une sorte de logiciel, même les pièces matérielles! Je me risquerais donc à deviner quelque chose comme les deux tiers du logiciel pour un tiers du matériel. Cela dépend de la façon dont vous voulez le définir – nous ne nous considérons souvent pas comme des logiciels ou des spécialistes du matériel, mais plutôt comme des spécialistes des systèmes. Nous croyons vraiment en cette approche multidisciplinaire.

IC: Combien de projets chez Intel Labs sont nécessairement non publics à un moment donné?

RU: Une grande partie de ce que nous faisons est public et, en fait, nous publions une grande partie de notre travail. Lorsque nous sommes dans une phase précompétitive de la recherche, nous estimons que c’est important parce que nous devons être au sommet de notre forme. Nous devons nous assurer que la recherche est pertinente et compétitive et qu’elle résiste aux meilleures recherches au monde. Alors on se teste [in] de cette façon, en publiant dans les principales conférences et lieux, et nous le ferons généralement assez librement aux premiers stades d’un projet de recherche. Ce qui peut arriver, c’est qu’une fois que nous décidons que quelque chose est une idée que nous voulons produire, cela peut passer par une phase où nous devons rester silencieux pendant un certain temps jusqu’à ce que nous soyons prêts à l’autre extrémité, avant un produit ou une capacité. lancement, que nous pouvons être à nouveau public. Souvent, cela ne concerne que la phase du projet qui détermine le moment où nous pouvons en parler à l’extérieur.

Nouvelles idées chez Intel Labs

IC: J’ai entendu le terme «planification stratégique à long terme de la technologie» en relation avec Intel Labs en tant qu’événement où de nouvelles idées sont discutées. Est-ce ainsi que de nouveaux projets d’amorçage au sein des Intel Labs sont implantés, et peut-être là où les budgets et les développements sont discutés?

RU: C’est l’un des moyens [in which that happens]. Nous l’appelons affectueusement «TSLRP» (infusion de thé): la planification stratégique à long terme de la technologie. Vous pouvez le considérer comme un endroit pour collecter les meilleures idées et idées technologiques de l’entreprise. C’est quelque chose qu’Intel Labs administre et organise, mais il est en fait ouvert à tous les technologues de l’entreprise. Nous le gérons comme un processus annuel, et c’est aussi quelque chose qui se déroule tout au long de l’année, et nous invitons nos technologues à faire des propositions sur quelque chose qui, à leur avis, est important et auquel les cadres supérieurs de l’entreprise devraient prêter attention. Ensuite, nous pouvons le faire passer par un processus de développement où nous commençons vraiment à lancer / rebondir les idées, à les tester et à défier en quelque sorte les proposants d’une manière qui les obtient sous une forme qui peut être présentée à la direction. Souvent, ce qui ressort de ces types de présentations est un nouvel investissement ou une nouvelle direction que l’entreprise peut prendre. Cela a été vrai pour beaucoup de choses qui sont sorties des laboratoires ou qu’Intel a décidé de poursuivre.

IC: Diriez-vous qu’Intel Labs reçoit suffisamment de financement d’Intel? Avec le bon projet, les bonnes personnes et le bon objectif, pensez-vous que des milliards y seraient investis? Ou à ce moment-là, est-ce que cela pourrait peut-être devenir une division distincte?

RU: Nous avons le bon niveau de financement pour accomplir notre mission, qui consiste à explorer les investissements possibles que le plus grand Intel pourrait faire une fois que vous voudrez faire évoluer cette idée. Nous avons un financement suffisant pour cette exploration et nous avons les moyens financiers pour amener les choses à un certain degré de maturité, de sorte que nous pouvons être sûrs qu’une technologie donnée a du sens. À ce stade, nous avons des mécanismes pour le transférer à la plus grande machine d’exécution de l’entreprise, puis des ressources et des fonds supplémentaires y sont consacrés à ce stade. C’est essentiellement ainsi que nous mettons les choses à l’échelle grâce à un partenariat avec le reste de l’entreprise lorsque nous en arrivons à ce stade.

IC: Il convient de mentionner que la division de calcul neuromorphique au sein d’Intel Labs est issue d’une acquisition. Pouvez-vous nous expliquer comment ce processus s’est déroulé avant que l’équipe M&A n’intervienne?

RU: Le talent derrière nos efforts neuromorphiques sont des experts en méthodologie de conception asynchrone, et cela provient de notre acquisition Fulcrum. Il s’agissait d’une société de commutateurs réseau et une conception asynchrone était utilisée dans ce commutateur. Mais les dirigeants de notre équipe neuromorphique utilisent cette même méthodologie de conception et l’appliquent à notre programme de calcul neuromorphique qui est une application complètement différente de cette conception informatique. Il [is] un travail très intéressant, et nous examinons [various] différents objectifs avec ce travail.

Succès des laboratoires Intel

IC: J’ai entendu dire que les «diplômés du programme» sont l’un des vecteurs d’Intel Labs que vous aimez promouvoir. Y en a-t-il dont nous avons entendu parler, et y a-t-il des faits saillants en particulier?

RU: Quelque chose qui serait probablement familier à beaucoup serait l’USB et le Thunderbolt! Nous avons beaucoup travaillé sur les technologies IO. Donc, comme vous le savez peut-être avec Thunderbolt, nous avons commencé comme une vision à l’intérieur des laboratoires pour faire converger tous les différents types de connecteurs IO que nous avions sur la plate-forme PC il y a des années, et les mettre tous sur un seul connecteur et tunneliser les protocoles sur le même lien. C’était une combinaison d’innovation architecturale ainsi que de technologie de circuit et de signalisation que nous avons achetée ensemble pour faire ce cas.

Quelque chose sur lequel j’ai personnellement travaillé avant de diriger Intel Labs, avant ma mission actuelle de diriger Intel Labs, est la technologie de virtualisation. J’ai passé 15 bonnes années, et cela remonte à la fin des années 90, lorsque j’ai commencé à travailler sur les toutes premières propositions concernant la virtualisation et ce que nous pourrions faire à nos processeurs et plates-formes pour les rendre plus facilement virtualisés. Nous avons fourni plusieurs générations de technologie de virtualisation Intel, VT.

La photonique sur silicium également, qui a débuté dans les laboratoires il y a plus de dix ans, faisant simplement la physique de base derrière les différents ingrédients derrière la construction d’une solution de photonique sur silicium – ils hybrides laser, les modulateurs au silicium, les guides d’ondes, toutes ces choses et les emballer ensemble. Cela a fonctionné pendant de nombreuses années dans les laboratoires, et cela a créé une toute nouvelle unité commerciale qu’Intel fournit maintenant ces solutions de photonique sur silicium sur le marché.

Nous avons beaucoup travaillé dans les environnements Trusted Execution, en créant un espace dans la plate-forme où vous pouvez exécuter du code de manière sécurisée et testable afin que vous sachiez quel est l’environnement environnant pour ce code. C’étaient des extensions de VT dans les premières instanciations d’environnements Trusted Execution, mais nous avons également fait le travail autour de Software Guard Extensions (SGX), qui était une architecture issue du laboratoire. Ce seraient quelques-uns des points forts de ma tête!

IC: Y a-t-il des projets qui avaient un potentiel incroyable pour démarrer mais qui ont abouti à une impasse?

RU: Nous avons eu une grande poussée dans les wearables et, les appareils d’extrémité vraiment écoénergétiques. Nous travaillions sur des choses comme l’énergie zéro nette dans les appareils informatiques qui, à notre avis, seraient très prometteuses, l’idée étant que vous pourriez récolter l’énergie de l’environnement et ensuite simplement pouvoir faire fonctionner cet appareil en continu sans le recharger. Ces technologies étaient en fait assez intéressantes du point de vue du prototypage, et je pense qu’il a été démontré que c’était un succès, mais il était plus difficile de comprendre quelle était l’activité derrière cela. En conséquence, nous nous sommes en quelque sorte éloignés de cela, en partie l’entreprise elle-même s’est également éloignée de cette direction. Mais c’est un exemple de ce qui n’a pas fonctionné.

IC: Dans quelle mesure votre rôle est-il impliqué dans le verrouillage de l’IP sous la rubrique Intel, ou dans le bon fonctionnement de la collaboration avec les universités et l’industrie?

RU: C’est une excellente question. L’une de nos missions importantes est d’engager le milieu universitaire, et nous devons le faire à des conditions qui leur conviennent. Souvent, dans ce genre de phase de recherche précompétitive, nous avons un modèle de financement où nous disons qu’il s’agit d’une collaboration ouverte [approach], ce qui signifie simplement que nous n’attendons aucun droit de propriété intellectuelle ni aucun brevet de la recherche que nous finançons. En réalité, [we tell them that] nous voulons [them] publier et faire des versions open source, afin de diffuser la technologie du côté académique. L’avantage que nous obtenons est que nous sommes proches du travail au fur et à mesure, et nous devons faire attention afin que nous puissions nous pouvons [identify] ces technologies clés. [Then] à un moment donné, nous commençons le processus de production, et lorsque cela se produit lorsque nous effectuons cette transition, c’est à ce moment-là que nous commencerons à examiner différents modèles de propriété intellectuelle, ou nous pouvons déposer des brevets ou même simplement garder des secrets commerciaux sur le développement ultérieur que nous faire une fois que nous l’intégrerons davantage dans un processus interne de développement de la recherche. Mais c’est un peu comme ça que nous gérons cette tension. Nous avons réalisé que nous devons adopter différentes approches basées sur les collaborations et les collaborateurs qui se produisent à tout moment.

IC: L’une des plus grandes victoires publiques d’Intel Lab a été de permettre au regretté Stephen Hawking de communiquer et même d’accéder à Internet. Comment cette technologie a-t-elle évolué et où se situe-t-elle aujourd’hui?

RU: C’était un travail dirigé par Lama Nachman et son équipe, et c’est un excellent exemple de l’approche multidisciplinaire que nous avons adoptée. Beaucoup d’autres avaient essayé de travailler sur des technologies pour Stephen Hawking, et il les a rejetées parce qu’elles ne correspondaient tout simplement pas à la façon dont il travaillait et à ses attentes à ce sujet. Il essayait de lui permettre une interface cerveau-ordinateur. Ce que cette équipe a fait, c’est qu’ils ont vraiment passé du temps avec lui pour comprendre comment il travaillait et ce dont il avait besoin. Sur la base de ces commentaires, ils ont développé [and iterated on] la solution. Ce n’est donc qu’une note sur la méthodologie. Mais pour répondre à votre question, c’est un exemple de technologie que nous avons apportée à l’open source en tant que technologie informatique d’assistance pouvant être utilisée par d’autres personnes handicapées et [it can be] adapté pour eux.

Intel Labs Research Today: la photonique sur silicium

IC: Silicon Photonics est une success story à croissance lente, étant capable de générer et de traiter la lumière dans le silicium, en particulier en ce qui concerne la mise en réseau. Nous avons vu Intel discuter maintenant de millions d’unités vendues, de vitesses allant jusqu’à 400 Gbit / s et de moteurs réseau Silicon Photonics. En tant que produit à succès avec une feuille de route, pourquoi est-il toujours sous l’égide d’Intel Labs, plutôt que de dire, Solutions de réseau? Existe-t-il un potentiel inexploité?

RU: Nous avons toute une division de produits photoniques au silicium qui fournit les produits que vous avez mentionnés, et ceux-ci ne font pas partie des laboratoires Intel. Mais comme il y a des générations futures d’amélioration possibles, nous avons une voie parallèle où nous continuons à faire des recherches dans le domaine. Pour expliquer cela davantage, les produits que nous proposons aujourd’hui sont toujours des appareils discrets, ils se trouvent en dehors d’un processeur, d’un GPU ou d’un FPGA – ce ne sont pas des liens intégrés dans les moteurs de calcul. C’est important car lorsque vous pensez au chemin de bout en bout, les données suivent d’un moteur de calcul à un autre, elles doivent toujours suivre une liaison électrique, même si elle est courte, même si ce n’est que quelques centimètres, avant d’arriver à le dispositif optique et l’émetteur-récepteur. Juste ces quelques centimètres, c’est là que passe encore beaucoup de puissance. En fait, si vous étudiez le budget de puissance d’un Compute Engine haut de gamme, de plus en plus simplement pour nourrir la bête, de plus en plus de données vont à la puissance IO.

Donc, ce que nous explorons avec nos recherches, ce sont les moyens d’intégrer véritablement la photonique, la photonique du silicium, dans le package. Il y a un tas d’innovations nécessaires pour rendre cela possible. Le premier est qu’il faut trouver une solution pour la modulation. Les modulateurs qui entrent dans ces dispositifs discrets sont [typically] gros appareils, et nous avons compris comment construire des micro-modulateurs en anneau de dimensions beaucoup plus petites. Parce qu’ils sont plus petits, nous pouvons les disposer autour du rivage du paquet, et nous pouvons les exécuter à différentes longueurs d’onde afin que nous puissions maintenant obtenir beaucoup plus de bande passante sur les liaisons optiques – c’est ce que nous appelons la photonique intégrée. Nous pensons que c’est quelque chose qui surmontera ce mur de puissance IO et quelque chose qui nous passionne vraiment.

IC: Il y a donc l’équipe produit Silicon Photonics, puis vous avez Integrated Photonics, qui est du côté d’Intel Labs.

RU: Oui, nous explorons les technologies d’ingrédients pour faire la photonique intégrée, puis une fois que nous le prouverons avec des prototypes de recherche, nous nous associerons à notre division de produits de photonique au silicium pour le commercialiser à un moment donné dans le futur. Pour être clair, il n’y a pas de plans pour cela [productization] aujourd’hui, mais notre méthodologie est que nous collaborons étroitement avec les équipes produit.

La recherche Intel Labs aujourd’hui: neuromorphique

IC: Du côté de l’informatique neuromorphique, nous commençons également à voir des produits arriver sur le marché. La puce Loihi construite sur 14 nm, avec 128000 neurones, évolue jusqu’à Pohoiki Springs avec 768 puces et 100 millions de neurones, le tout pour 300 watts – le jeu de diapositives d’Intel dit que c’est l’équivalent d’un hamster! Intel a récemment promu un accord avec Sandia National Laboratories, commençant par une machine à 50 millions de neurones, pouvant atteindre un milliard de neurones, soit 11 hamsters de neurones, selon les besoins lorsque la recherche progresse.

IC: Le calcul neuromorphique peut-il simplement être mis à l’échelle de cette manière? Tout comme les performances d’interconnexion sont le limiteur d’évolutivité ultime pour le calcul traditionnel, où va le calcul neuromorphique?

RU: Nous explorons deux grands domaines d’application des applications. La première concerne les petites configurations, peut-être juste une seule puce de faible Loihi dans un environnement à énergie limitée où vous voulez peut-être faire un apprentissage à la volée près du capteur avec les données. Vous voudrez peut-être, par exemple, construire un capteur de vision neuromorphique. L’autre fourchette consiste à examiner ces plus grosses configurations dans lesquelles nous regroupons de nombreuses puces Loihi. Là, vous essayez peut-être de résoudre un problème différent, comme un problème de satisfaction de contraintes ou une recherche de similarité dans un ensemble de données volumineux. Voilà le genre de choses avec lesquelles nous aimerions résoudre [large amounts of Loihi]. Soit dit en passant, nous avons une communauté de recherche neuromorphique, ou IRC, avec laquelle nous collaborons comme exemple de travail avec des chercheurs universitaires pour leur permettre, avec ces plates-formes, d’examiner différents domaines.

Mais pour répondre à votre question: quels sont les limiteurs à la construction de configurations plus grandes? Ce n’est pas tant l’interconnexion, c’est une question de conception de tissu, et nous pouvons le comprendre. Le plus gros problème à l’heure actuelle est probablement que si vous regardez à l’intérieur d’une puce Loihi, c’est la logique qui vous aide à construire le modèle neuronal et à l’exécuter efficacement en tant que moteur de traitement d’événements. Mais [there’s] beaucoup de SRAM, et la SRAM peut être de faible puissance, mais c’est aussi cher. Alors que vous obtenez [to] de très gros clusters de SRAM en réseau, c’est un système coûteux. Nous devons comprendre ce problème de coût de la mémoire afin de vraiment pouvoir justifier ces configurations de Loihi plus grandes.

IC: Le coût est donc plus élevé que la surface de la matrice, les technologies d’empilage sont donc trop chères?

RU: Cela coûte cher, et quelle que soit la manière dont vous le découpez, cela vous coûtera cher du point de vue du coût par bit. Nous devons surmonter cela d’une manière ou d’une autre.

IC: Vous avez mentionné que pour les petites applications, un modèle de traitement du moteur de vision est applicable. Donc, pour mettre cela en perspective, cela signifie-t-il que Loihi pourrait être utilisé, par exemple, pour la conduite autonome?

RU: Cela pourrait être un complément aux autres types de capteurs que nous avons dans les véhicules autonomes – nous avons des caméras RVB régulières qui capturent l’entrée visuelle, mais LIDAR [is also] utile dans les véhicules autonomes, [which] pourrait être un autre type de capteur. L’argument de base pour avoir plus d’un est la redondance et la résilience contre une éventuelle défaillance, ou [avoiding] une mauvaise perception des choses qui rend le système globalement plus sûr. La réponse courte est donc oui.

IC: L’une des choses avec l’informatique neuromorphique, parce qu’elle est tellement assimilée au traitement cérébral, est la capacité de détecter les odeurs. Mais ce que je veux vous demander, c’est quelle est la chose la plus étrange que vous ayez vu des partenaires et des développeurs faire avec du matériel neuromorphique qui ne pourrait pas nécessairement être fait facilement avec l’informatique conventionnelle?

RU: Eh bien, c’est l’un d’entre eux! Je pense que c’est un favori, apprendre à un ordinateur à sentir – donc vous avez déjà pris mon exemple préféré!

Mais je pense que c’est assez intéressant de voir comment les résultats que nous contournons des problèmes tels que la recherche de similitude. Si vous imaginez que vous avez une énorme base de données d’informations visuelles et que vous voulez trouver des images similaires, donc des choses qui ressemblent à un canapé ou [have] une certaine dimension ou autre, être capable de faire cela de manière très économe en énergie est plutôt intéressant. [It] peut aussi être fait avec des méthodes classiques, mais c’est une bonne [for Neuromorphic]. En l’utilisant dans des systèmes de contrôle comme un contrôleur de bras robotique, ce sont des applications intéressantes. Nous sommes vraiment encore à ce stade exploratoire pour comprendre quelles sont les meilleures façons de faire les choses – parfois pour les systèmes de contrôle, vous pouvez les résoudre avec des méthodes classiques, mais cela consomme vraiment beaucoup d’énergie, et les méthodes d’entraînement du système le permettent. moins applicable dans des environnements en évolution dynamique. Nous essayons d’explorer des moyens par lesquels neuromorphique pourrait être en mesure de s’attaquer à ces problèmes.

IC: L’un des exemples que vous avez mentionnés est un peu comme une recherche de balises d’image – ce que pourrait faire l’apprentissage automatique typique. Si nous prenons YouTube, quand il recherche des fichiers audio et des clips protégés par le droit d’auteur, la neuromorphie est-elle toujours applicable à cette échelle?

RU: Une application simple pour neuromorphique est que nous examinions des réseaux de neurones artificiels, comme un DNN ou un CNN, et qui seraient entraînés avec un grand ensemble de données. Une fois qu’il a été formé, nous le transférons dans un réseau neuronal de pointe (ou SNN), ce que fait Loihi, puis voyant qu’une fois formé, nous pouvons exécuter la partie inférence de la tâche plus efficacement.

C’est une application simple, mais l’une des choses que nous essayons d’explorer du point de vue de la recherche avec Loihi est de savoir comment apprendre avec moins de données? Comment peut-il s’adapter plus rapidement, sans avoir à revenir au processus de formation approfondi où vous exécutez un grand ensemble de données étiquetées sur le réseau.

IC: Il faut des années aux cerveaux pour s’entraîner à l’aide d’une méthode de réseau neuronal à pointes – Intel peut-il se permettre des années pour former un réseau neuronal à pointes neuromorphiques?

RU: C’est l’une des grandes questions sans réponse de l’IA. Les cerveaux biologiques font l’expérience de l’environnement et apprennent continuellement, et cela peut prendre des années. Mais même alors, dans les premiers stades, ils peuvent faire des choses remarquables – un enfant peut voir un vrai chat, puis voir un dessin animé d’un chat, et généraliser à partir de ces deux exemples avec très peu de formation. Il y a donc quelque chose qui se passe dans les cerveaux biologiques naturels que nous ne sommes pas capables de reproduire tout à fait. C’est l’une des choses que nous essayons d’explorer – je devrais être très clair, nous n’avons pas encore résolu ce problème, mais c’est l’une des questions intéressantes que nous essayons de comprendre.

IC: La puce Loihi est toujours une conception de 2016 – y a-t-il de futurs plans de développement matériel ici, ou le travail aujourd’hui est-il principalement axé sur les logiciels?

RU: Nous sommes en train de faire un autre design, et vous en entendrez plus à ce sujet à l’avenir. Mais nous ne nous sommes pas arrêtés du côté matériel – nous avons beaucoup appris de la conception actuelle, et [we’re] essayer d’incorporer [what we’ve learned] dans un autre. En même temps, je dirais que nous essayons vraiment de nous concentrer sur ce qui est bon pour quelles sont les applications qui ont le plus de sens et c’est pourquoi nous avons cette méthodologie pour faire fonctionner les systèmes Loihi entre les mains des chercheurs sur le terrain. . Je pense que c’est un aspect vraiment important du travail – il s’agit davantage de cette charge de travail, [more] développement de logiciels d’exploration.

La recherche Intel Labs aujourd’hui: l’informatique quantique

IC: Du côté de l’informatique quantique d’Intel Labs, l’accent a principalement été mis sur le développement de la technologie Spin Qubit, plutôt que sur d’autres types de Qubits. Est-ce simplement une fonction de l’expertise de fabrication d’Intel, ou semble-t-il que les qubits de spin sont là où va l’avenir de l’informatique quantique?

RU: Lorsque nous avons commencé notre programme quantique, nous avons décidé d’examiner à la fois les qubits de spin quantique à points et les qubits supraconducteurs transmons – nous avions parié sur les deux. Nous avons décidé de nous concentrer sur les qubits de spin après les premières années d’enquête parce que nous essayions d’attendre avec impatience ce qui doit se passer pour construire un système quantique vraiment pratique. Vous devez être capable de passer à un très grand nombre de qubits – pas seulement des centaines ou des milliers, mais probablement des millions de qubits. Ces aussi [have to be] Tolérance aux pannes – nous avons des codes de correction d’erreur quantique qui nécessitent plus de qubits physiques que vous n’en avez logiques. So if you’re going to get to millions, you can’t have qubits that are big – it’s almost like you can’t have vacuum tube computing systems as you’re going to be limited in how much you can do. So that was one thing that we figured out, but it’s not just the selection of the qubit – [spin qubits] align to our core competences, and we’re able to build these devices in small dimensions  and at scale, so it does align to the core competence that the company has.

But getting qubits to scale is going to require other solutions. We [also] have to figure out how to how to control the qubits, and that’s where Horse Ridge comes in – being able to control these qubits [requires] running at very low temperature, [which means] you have to have the control electronics run at very low temperature as well. If you can’t do that, then you’ve got lots of bulky coax cables coming from a room temperature [environment] into the dilution fridge – that’s not going to scale. You can’t have millions of cubits controlled in that way. These are the kinds of things that drive our decisions – what do we have to do, what problems you have to solve, so that we can get to a million qubits at some point in the future.

IC: When you look at those dilution chambers, they all look impressive when you take the covers off with all the thin tubes, and it looks like a chandelier. So to that extent, would you say that quantum computing has the biggest R&D budget in Intel labs?

RU: Actually, it doesn’t! We’re able to do a lot with a relatively modest investment I would say. It’s definitely not the bulk of our investment at all – those fridges do cost a lot, but it’s not where the bulk of the money goes!

IC: Intel’s current press materials state that the commercial phase for quantum computing sits at 2025 and ‘beyond’. Sitting where we are today, moving into 2021, is that still the goal for the commercialization process? Is Intel still looking at 2025, or should we be thinking another five years out beyond that?

RU: We always talk about this as a 10 year journey. I think it’s a bit early to be talking about productization at this stage – even picking a date, there’s still some fundamental science and engineering problems that have to be solved before we would we would pick a date. We ask ourselves questions around what time to start engaging the ecosystem of application developers. That’s important in the same way that we have with neuromorphic – we go outside with working hardware to understand what this might be good for – we have to get to that point with quantum as well. We, at some level, already do that – we already have collaborations with TU Delft (Dutch University) and QuTech. That’s the way that we’re collaborating with universities and partners – I think we’re still a ways away from productization.

IC: You say that to get to that point, Intel has to start speaking about having millions of cubits. Intel’s third generation Tangle Lake quantum processor is currently at 49 qubits. So does that mean we should wait and expect two, three, four, or five more generations before we get hit that inflection point where perhaps current commercialization is more of a reality?

RU: So Tangle Lake was an example of the transmon superconducting qubit type, which as I explained earlier we began to deprioritize. We’re looking to scale our spin qubit designs, and we’re on a path to increase the numbers there. But really you’ve got to get quality qubits before you think about scaling to larger numbers. [We have to] solve these other problems around controlling [the qubits], and I think we’ve made really great progress on that with Horse Ridge.

IC: A report in the past couple of years from Google claimed that they had achieved Quantum Supremacy. Do you believe it was achieved?

RU: By the definition of Quantum Supremacy, which is to pick a problem that you can’t solve with classical methods but that’s computationally complex and build a system that can solve it, they’ve achieved that. Notice that the problem doesn’t have to be something that’s useful! It doesn’t have to be a problem that people need to solve, but it was a milestone in the field, and certainly it was a good thing to have achieved. The way we think about it is about when do we get to a point where we get to a practical solution that we’re solving – something that people would care about, and something that you can’t solve in other ways with classical methods more economically. We’re still far from that, I don’t think we’ve reached that era of quantum practicality.

Intel Labs Growth and Outreach

IC: Should any engineers be reading and get excited by any of the topics, how would they go about either aligning their research to something Intel Labs could help accelerate, or get involved with Intel Labs directly?

RU: For those who are still in grad school we have internships programs in a broad range of areas – you can check out our website and reach out to the researchers in different areas. We engage academia and universities in the various areas that we’re interested in, and it could very well be that your university has a program with Intel. We often at times set up research centers in different areas, and we have a number of those kinds of programmes. That’s the most natural way to get plugged into the work that happens in the Labs. We work directly with our research collaborators, we publish papers together with them, and so even during your studies you can be working with Intel Labs folks. Based on that experience, then it can develop into joining the Labs in the future. I think that through that internship programme, and through our academic funding, that’s the most natural path for [people in their] early career. For those outside of school already, then it’s a matter of reaching out to the researchers in your area, as well as finding out information from our website.

One of the things that we do is, as an outgrowth of our academic investment, is that a lot of startups come out of academia, and we do have with Intel Capital programs where we look at startup that are at that seed stage. We often know them because we funded their research, but we will help them through those early stages of the company. Often at times we look at not just funding opportunities but also at the technologies that might help the startup to succeed. We do have programs like that present some opportunities.

IC: On the Intel Labs, what is the future of Intel Labs’ public outreach? Is Intel Labs day going to become an annual occurrence?

RU: I expect it will. We want to put a lot more energy into talking about our work outside the company. We did go through a period where we did less of that, but in our history we did more of it, but now we expect to do more of this! We were going to have a physical Labs event at the beginning of the year, but we will certainly be talking a lot more about our work going into the future.

Many thanks to Dr. Richard Uhlig and his team for their time.