Ces Neural Processing Unit sont des puces spécialisées dans les calculs liés à l'intelligence artificielle et au deep learning.

Aujourd'hui, le fabricant dévoile sa méthode pour multiplier par huit les performances grâce au Quantization Interval Learning (QIL). Cette technique « conserve l'exactitude des données et les réorganise » afin de travailler sur des registres plus petits (en bits) en passant de 32 à 4 bits seulement.

« Cette méthode de traitement des algorithmes de deep learning est à la fois beaucoup plus rapide et beaucoup plus économe que les solutions existantes », affirme le constructeur.

À performances égales, le QIL permet de réduire le nombre de transistors de la puce d'un facteur 40 à 120.

Diminuer à la fois l'encombrement et la consommation permettrait pour Samsung de déployer plus facilement des NPU dans les terminaux mobiles (pour un traitement local), directement à proximité  des capteurs photo et d'empreintes par exemple.

Il faudra maintenant attendre l'arrivée des premiers NPU avec QIL pour juger de leurs performances et les comparer avec les promesses du fabricant.