Pouvons-nous vraiment construire des ordinateurs aussi économes en énergie que le cerveau humain? Une nouvelle recherche qui a réussi à combiner une fonction de mémoire et une fonction de calcul en un seul composant nous rapproche un peu plus de cette réalité.
L’IA permet aux machines d’accomplir des tâches qui étaient autrefois considérées comme exclusivement l’apanage des humains. Grâce à l’IA, les ordinateurs peuvent faire appel à la logique pour résoudre des problèmes, prendre des décisions, apprendre par l’expérience et effectuer des tâches de type humain. Cependant, ils ne peuvent toujours pas accomplir ces tâches de manière aussi efficace et économe en énergie que le cerveau humain.
Les recherches menées avec le soutien des projets TOPSPIN et SpinAge, financés par l’UE, ont rapproché les scientifiques de cet objectif. «Trouver de nouvelles façons d’effectuer des calculs qui ressemblent aux processus éco-énergétiques du cerveau constitue un objectif majeur de la recherche depuis des décennies», fait remarquer le professeur Johan Åkerman, de l’Université de Göteborg (Suède), hôte du projet TOPSIN, dans un article publié sur le site web de «Scienmag». «Les tâches cognitives, comme la reconnaissance d’images et la reconnaissance vocale, exigent une puissance informatique considérable, et les applications mobiles en particulier, comme les téléphones portables, les drones et les satellites, requièrent des solutions économes en énergie», poursuit Johan Åkerman, qui est également le fondateur et le directeur général de NanOsc, partenaire du projet SpinAge, en Suède.
L’équipe de recherche a réussi à combiner une fonction de mémoire et une fonction de calcul en un même composant pour la toute première fois. Cette réussite est décrite dans leur étude publiée dans la revue «Nature Materials».
Les fonctions de mémoire et de calcul ont été combinées en associant des réseaux d’oscillateurs et des memristors — les deux principaux outils nécessaires pour effectuer des calculs avancés. Les oscillateurs sont des circuits oscillants capables d’effectuer des calculs. Les memristors, abréviation de memory resistors, sont des dispositifs électroniques dont la résistance peut être programmée et demeure en mémoire. En d’autres termes, la résistance du memristor remplit une fonction de mémoire en se souvenant de la valeur qu’elle avait lorsque le dispositif était sous tension.Johan Åkerman commente cette découverte: «Il s’agit d’une percée importante car nous démontrons qu’il est possible de combiner une fonction de mémoire et une fonction de calcul dans le même composant. Ces composants fonctionnent davantage comme les réseaux neuronaux éco-énergétiques du cerveau, de sorte qu’ils pourraient devenir d’importants éléments de base de futurs ordinateurs davantage semblables au cerveau.»
Comme le rapporte l’article, Johan Åkerman estime que cette réalisation aboutira au développement de technologies plus rapides, plus faciles à utiliser et moins gourmandes en énergie. En outre, le fait que des centaines de composants puissent tenir sur une surface de la taille d’une simple bactérie pourrait avoir un impact considérable pour des applications plus petites. «Des calculs plus économes en énergie pourraient déboucher sur de nouvelles fonctionnalités pour les téléphones portables. Les assistants numériques comme Siri ou Google en sont un parfait exemple. Actuellement, tous les traitements sont effectués par les serveurs car les calculs nécessitent une trop grande quantité d’énergie pour la petite taille d’un téléphone. Si les calculs pouvaient au contraire être effectués localement, sur le téléphone lui-même, ils pourraient se faire plus rapidement et plus facilement sans qu’il soit nécessaire de se connecter à des serveurs.»
Johan Åkerman conclut: «Plus les calculs cognitifs peuvent être effectués de manière économe en énergie, plus le nombre d’applications potentielles augmente. C’est pourquoi notre étude a réellement le potentiel de faire progresser ce domaine.» Les projets TOPSPIN (Topotronic multi-dimensional spin Hall nano-oscillator networks) et SpinAge (Weighted Spintronic-Nano-Oscillator-based Neuromorphic Computing System Assisted by laser for Cognitive Computing) prennent fin en 2024.
Pour plus d’informations, veuillez consulter:
EN
CS
DE
ES
FR
HU
IT
PL
PT
РУ
SK
TR
УК
AR
中文
