Avec la généralisation croissante de l'apprentissage automatique et de l'intelligence artificielle, leur présence s'étend de la vision par ordinateur à la génération de texte. Cependant, ces actions nécessitent des réseaux neuronaux complexes et une consommation énergétique exponentielle. Ces technologies deviennent de plus en plus insoutenables en raison de leurs besoins énergétiques croissants en matière d'apprentissage. Pour y remédier, des chercheurs ont trouvé un moyen de rendre l'apprentissage automatique plus durable grâce aux réseaux neuronaux.
Les chercheurs du Institut Max Planck pour la science de la lumière présenter leurs recherches démontrant une méthode simple pour réduire la consommation d'énergie par l'IA. Il est nécessaire de trouver une alternative plus économique et plus économe en énergie à l'informatique neuromorphique. L'informatique neuromorphique remplace les réseaux neuronaux de nos ordinateurs par des réseaux neuronaux physiques. Elle permet d'effectuer des opérations mathématiques plus rapidement et de manière plus économe en énergie.
Défis
- Des puissances laser élevées sont nécessaires pour effectuer des calculs mathématiques complexes.
- L’indisponibilité de méthodes générales de formation pour de tels réseaux neuronaux physiques.
Directeur de l'Institut, Florian Marquardt explique, Normalement, les données d'entrée sont imprimées sur le champ lumineux. Cependant, dans nos nouvelles méthodes, nous proposons d'imprimer ces données en modifiant la transmission lumineuse.
Temps forts
- La photonique et l’optique sont considérées comme plateformes prometteuses pour l'informatique neuromorphique car ils réduisent au minimum la consommation d’énergie.
- Il est possible d’effectuer des calculs en parallèle à très grande vitesse.
- Ces deux défis peuvent être surmontés grâce à la nouvelle méthode proposée par les chercheurs, car le signal d’entrée est traité de manière arbitraire.
Le champ lumineux se comporte de la manière la plus simple, où les interférences ne s'influencent pas. Par conséquent, avec la nouvelle approche, il est possible d'éviter les interactions physiques compliquées pour exécuter les fonctions mathématiques requises.
Dans les mots de Clara Wanjura, a déclaré le premier auteur de l'étude, « En même temps, cela permet de mesurer toutes les informations pertinentes pour la formation. »
De plus, selon une autre étude de nouvelles puces informatiques peuvent augmenter l'efficacité énergétique de l'IA,
Conclusion
Grâce à diverses démonstrations, les chercheurs prévoient de collaborer avec différents groupes expérimentaux afin d'explorer la mise en œuvre de leur méthode dans différentes conditions. L'approche selon laquelle les réseaux neuronaux peuvent rendre l'apprentissage automatique plus durable, en cas de succès, permettra à ce système de Les dispositifs neuromorphiques peuvent être utilisés pour entraîner physiquement une large gamme de plates-formes.
Source: Calcul neuromorphique entièrement non linéaire avec diffusion d'ondes linéaires
