Une équipe internationale de chercheurs utilise des réseaux photoniques pour la reconnaissance de formes –

  • FrançaisFrançais



  • À l’ère numérique, le trafic de données croît à un rythme exponentiel. Les demandes de puissance de calcul pour des applications en intelligence artificielle telles que la reconnaissance de formes et de la parole en particulier, ou pour des véhicules autonomes, dépassent souvent les capacités des processeurs informatiques conventionnels. En collaboration avec une équipe internationale, des chercheurs de l’Université de Münster développent de nouvelles approches et architectures de processus qui peuvent faire face à ces tâches de manière extrêmement efficace. Ils ont maintenant montré que les processeurs dits photoniques, avec lesquels les données sont traitées par la lumière, peuvent traiter les informations beaucoup plus rapidement et en parallèle – ce que les puces électroniques sont incapables de faire.

    Contexte et méthodologie

    Des processeurs légers pour accélérer les tâches dans le domaine de l’apprentissage automatique permettent de traiter des tâches mathématiques complexes à des vitesses extrêmement rapides (10¹² -10¹⁵ opérations par seconde). Les puces conventionnelles telles que les cartes graphiques ou le matériel spécialisé comme le TPU (Tensor Processing Unit) de Google sont basés sur le transfert électronique de données et sont beaucoup plus lentes. L’équipe de chercheurs dirigée par le professeur Wolfram Pernice de l’Institut de physique et du Center for Soft Nanoscience de l’Université de Münster a mis en œuvre un accélérateur matériel pour les multiplications matricielles, qui représentent la principale charge de traitement dans le calcul des réseaux de neurones. Les réseaux de neurones sont une série d’algorithmes qui simulent le cerveau humain. Ceci est utile, par exemple, pour classer des objets dans des images et pour la reconnaissance vocale.

    Les chercheurs ont combiné les structures photoniques avec des matériaux à changement de phase (PCM) en tant qu’éléments de stockage écoénergétiques. Les PCM sont généralement utilisés avec des DVD ou des disques BluRay dans le stockage optique de données. Dans le nouveau processeur, cela permet de stocker et de conserver les éléments de la matrice sans avoir besoin d’une alimentation en énergie. Pour effectuer des multiplications matricielles sur plusieurs ensembles de données en parallèle, les physiciens de Münster ont utilisé un peigne de fréquences à puce comme source de lumière. Un peigne de fréquences fournit une variété de longueurs d’onde optiques qui sont traitées indépendamment les unes des autres dans la même puce photonique. En conséquence, cela permet un traitement de données hautement parallèle en calculant sur toutes les longueurs d’onde simultanément – également connu sous le nom de multiplexage de longueur d’onde. «Notre étude est la première à appliquer les peignes de fréquences dans le domaine des réseaux artificiellement neuronaux», explique Wolfram Pernice.

    Dans l’expérience, les physiciens ont utilisé un réseau neuronal dit convolutif pour la reconnaissance des nombres manuscrits. Ces réseaux sont un concept dans le domaine de l’apprentissage automatique inspiré des processus biologiques. Ils sont principalement utilisés dans le traitement d’images ou de données audio, car ils atteignent actuellement les plus hautes précisions de classification. “L’opération convolutive entre les données d’entrée et un ou plusieurs filtres – qui peut être une mise en évidence des bords d’une photo, par exemple – peut être très bien transférée à notre architecture matricielle”, explique Johannes Feldmann, l’auteur principal de l’étude. . “L’exploitation de la lumière pour le transfert du signal permet au processeur d’effectuer un traitement de données en parallèle par multiplexage en longueur d’onde, ce qui conduit à une densité de calcul plus élevée et à de nombreuses multiplications matricielles effectuées en un seul pas de temps. Contrairement à l’électronique traditionnelle, qui fonctionne généralement dans le faible GHz , les vitesses de modulation optique peuvent être atteintes avec des vitesses allant jusqu’à 50 à 100 GHz. ” Cela signifie que le processus permet des débits de données et des densités de calcul, c’est-à-dire des opérations par zone de processeur, jamais atteints auparavant.

    Les résultats ont un large éventail d’applications. Dans le domaine de l’intelligence artificielle, par exemple, davantage de données peuvent être traitées simultanément tout en économisant de l’énergie. L’utilisation de réseaux de neurones plus grands permet des prévisions plus précises, et jusqu’ici inaccessibles, et une analyse des données plus précise. Par exemple, les processeurs photoniques prennent en charge l’évaluation de grandes quantités de données dans les diagnostics médicaux, par exemple dans les données 3D haute résolution produites par des méthodes d’imagerie spéciales. D’autres applications se trouvent dans les domaines des véhicules autonomes, qui dépendent d’une évaluation rapide et rapide des données des capteurs, et des infrastructures informatiques telles que le cloud computing qui fournissent un espace de stockage, une puissance de calcul ou des logiciels d’application.

    Source de l’histoire:

    Matériaux fourni par Université de Münster. Remarque: le contenu peut être modifié pour le style et la longueur.

    Source

    N'oubliez pas de voter pour cet article !
    1 Star2 Stars3 Stars4 Stars5 Stars (No Ratings Yet)
    Loading...

    Houssen Moshinaly

    Rédacteur web depuis 2009 et webmestre depuis 2011.

    Je m'intéresse à tous les sujets comme la politique, la culture, la géopolitique, l'économie ou la technologie. Toute information permettant d'éclairer mon esprit et donc, le vôtre, dans un monde obscur et à la dérive.

    Je suis l'auteur de plusieurs livre

    Pour me contacter personnellement :

    Laisser un commentaire

    Votre adresse e-mail ne sera pas publiée.