Une nouvelle méthode combine les principes de l’optique et de l’apprentissage automatique. Le résultat : une amélioration au centuple de l’efficacité énergétique.
Ce rendu montre un émetteur-récepteur intelligent utilisé pour accélérer les processus gourmands en mémoire nécessaires à l’exécution d’un modèle d’apprentissage automatique. Crédits : Alex Sludds / MIT News.
Des chercheurs du MIT ont développé une nouvelle technique pour accélérer les calculs basés sur des algorithmes d’apprentissage automatique. Leur méthode utilise un dispositif optique relativement simple qui effectue des calculs à l’aide d’un fragment de modèle d’apprentissage automatique codé sur des ondes lumineuses. La transmission des données se fait également à l’aide de composants optiques pour assurer un débit élevé.
Les scientifiques affirment qu’il est possible d’améliorer au centuple l’efficacité énergétique en utilisant cette méthode par rapport à la technologie existante.
Une micropuce de la taille d’un pouce reçoit des milliards de paramètres de modèle ML chaque seconde et les code en ondes lumineuses à l’aide de lasers. Les ondes lumineuses sont ensuite transmises périodiquement sur un réseau de fibres afin que le côté client n’ait pas besoin de recevoir ces paramètres d’un serveur.
Un autre composant optique – le modulateur à large bande – utilise ces ondes lumineuses pour effectuer des calculs analogiques en combinant les données d’entrée avec les paramètres codés du modèle d’apprentissage automatique. Les scientifiques disent qu’il est possible d’atteindre des milliards de multiplications par seconde en utilisant des milliwatts de puissance.
La nouvelle méthode peut être utilisée sur n’importe quel appareil électronique intelligent, même sur des modèles à faible consommation d’énergie tels que des assistants personnels d’IA ou des composants de maison intelligente. Ce développement pourrait conduire à un matériel d’apprentissage automatique encore plus économe en énergie et à une meilleure réactivité de l’électronique grand public basée sur l’IA.
Les modèles d’apprentissage automatique actuels sont généralement connectés à des centres de données distants – toutes les données collectées y sont transmises, et la réponse est fournie lorsque des ordinateurs hautes performances « digèrent » ces informations à l’aide de modèles ML à grande échelle.
L’intégration de composants optiques pour accélérer les calculs pourrait permettre d’effectuer la majeure partie du traitement dans l’appareil lui-même, réduisant ainsi le besoin de traitement de données à distance. Le plus gros obstacle est la taille du récepteur, qui est de la taille d’une boîte à chaussures. Les chercheurs disent que leur objectif est de le réduire jusqu’à ce qu’il s’adapte aux appareils portables, tels que les smartphones.
