Une forme de calcul inspirée du cerveau, qui exploite les propriétés physiques intrinsèques d’un matériau pour réduire considérablement la consommation d’énergie, est désormais plus proche de la réalité, grâce à une nouvelle étude dirigée par des chercheurs londonniens.
Dans cette nouvelle étude, publiée dans la revue Nature Materials, une équipe internationale de chercheurs a utilisé des aimants chiraux (torsadés) comme support de calcul et a découvert qu’en appliquant un champ magnétique externe et en changeant la température, les propriétés physiques de ces matériaux pouvaient être adaptées à différentes tâches d’apprentissage automatique.
Une telle approche, connue sous le nom de calcul de réservoir physique, a jusqu’à présent été limitée en raison de son manque de reconfiguration. En effet, les propriétés physiques d’un matériau peuvent lui permettre d’exceller dans un certain sous-ensemble de tâches informatiques, mais pas dans d’autres.
Des aimants chiraux pour une nouvelle approche du calcul
Dans cette nouvelle étude, l’équipe de chercheurs a utilisé des aimants chiraux comme support de calcul et a découvert qu’en appliquant un champ magnétique externe et en changeant la température, les propriétés physiques de ces matériaux pouvaient être adaptées à différentes tâches d’apprentissage automatique.
Le Dr Oscar Lee (London Centre for Nanotechnology à l’UCL et UCL Department of Electronic & Electrical Engineering), auteur principal de l’article, a indiqué : « Ce travail nous rapproche de la réalisation du plein potentiel des réservoirs physiques pour créer des ordinateurs qui non seulement nécessitent nettement moins d’énergie, mais aussi adaptent leurs propriétés de calcul pour effectuer de manière optimale diverses tâches, tout comme nos cerveaux. La prochaine étape consiste à identifier des matériaux et des architectures de dispositifs qui sont commercialement viables et évolutifs. »
L’équipe a utilisé un analyseur de réseau vectoriel pour déterminer l’absorption d’énergie des aimants chiraux à différentes intensités de champ magnétique et à des températures allant de -269 °C à la température ambiante.
Ils ont constaté que les différentes phases magnétiques des aimants chiraux excellaient dans différents types de tâches informatiques. La phase skyrmion, dans laquelle les particules magnétisées tourbillonnent à la manière d’un vortex, possède une puissante capacité de mémoire adaptée aux tâches de prévision.
La phase conique, quant à elle, avait peu de mémoire, mais sa non-linéarité était idéale pour les tâches de transformation et de classification, par exemple pour déterminer si un animal est un chat ou un chien.
Le Dr Jack Gartside, de l’Imperial College London, coauteur de l’étude, a conclu : « Nos collaborateurs de l’UCL ont récemment identifié un ensemble de matériaux prometteurs pour alimenter l’informatique non conventionnelle. Ces matériaux sont particuliers car ils peuvent supporter une gamme particulièrement riche et variée de textures magnétiques. Le groupe de l’Imperial College London a conçu une architecture informatique neuromorphique pour exploiter les propriétés complexes des matériaux afin de répondre aux exigences d’un ensemble varié de tâches difficiles. Cela a donné d’excellents résultats et a montré comment la reconfiguration des phases physiques peut directement adapter les performances de l’informatique neuromorphique ».
En synthèse
Le calcul traditionnel consomme de grandes quantités d’électricité. Cela est en partie dû au fait qu’il dispose d’unités distinctes pour le stockage et le traitement des données, ce qui signifie que les informations doivent être constamment déplacées entre les deux, gaspillant de l’énergie et produisant de la chaleur. C’est particulièrement un problème pour l’apprentissage automatique, qui nécessite de vastes ensembles de données pour le traitement. Former un grand modèle d’IA peut générer des centaines de tonnes de dioxyde de carbone.
Le calcul de réservoir physique est l’une des plusieurs approches neuromorphiques (ou inspirées du cerveau) qui visent à supprimer le besoin d’unités de mémoire et de traitement distinctes, facilitant des moyens plus efficaces de traiter les données. En plus d’être une alternative plus durable au calcul conventionnel, le calcul de réservoir physique pourrait être intégré dans les circuits existants pour fournir des capacités supplémentaires qui sont également économes en énergie.
Pour une meilleure compréhension
Qu’est-ce que le calcul de réservoir physique ?
Le calcul de réservoir physique est une forme de calcul inspirée du cerveau qui exploite les propriétés physiques intrinsèques d’un matériau pour réduire considérablement la consommation d’énergie. Il vise à supprimer le besoin d’unités de mémoire et de traitement distinctes, facilitant des moyens plus efficaces de traiter les données.
Qu’est-ce que les aimants chiraux ?
Les aimants chiraux sont des aimants torsadés utilisés comme support de calcul dans cette étude. En appliquant un champ magnétique externe et en changeant la température, les propriétés physiques de ces matériaux peuvent être adaptées à différentes tâches d’apprentissage automatique.
Quels sont les avantages du calcul de réservoir physique ?
Le calcul de réservoir physique est une alternative plus durable au calcul conventionnel. Il pourrait être intégré dans les circuits existants pour fournir des capacités supplémentaires qui sont également économes en énergie.
Quels sont les défis du calcul de réservoir physique ?
Le calcul de réservoir physique a jusqu’à présent été limité en raison de son manque de reconfigurabilité. Les propriétés physiques d’un matériau peuvent lui permettre d’exceller dans un certain sous-ensemble de tâches informatiques, mais pas dans d’autres.
Quelle est la prochaine étape dans cette recherche ?
La prochaine étape consiste à identifier des matériaux et des architectures de dispositifs qui sont commercialement viables et évolutifs.
Principaux enseignements
| Enseignements |
|---|
| Le calcul de réservoir physique est une forme de calcul inspirée du cerveau qui exploite les propriétés physiques intrinsèques d’un matériau pour réduire considérablement la consommation d’énergie. |
| Les chercheurs ont utilisé des aimants chiraux comme support de calcul. |
| En appliquant un champ magnétique externe et en changeant la température, les propriétés physiques de ces matériaux peuvent être adaptées à différentes tâches d’apprentissage automatique. |
| Le calcul de réservoir physique a jusqu’à présent été limité en raison de son manque de reconfiguration. |
| Le calcul de réservoir physique pourrait être intégré dans les circuits existants pour fournir des capacités supplémentaires qui sont également économes en énergie. |
| La prochaine étape consiste à identifier des matériaux et des architectures de dispositifs qui sont commercialement viables et évolutifs. |
Références
UCL and Imperial College London researchers, Nature Materials
Légende illustration principale : Représentation artistique de skyrmions magnétiques connectés en tant que support de calcul pour l’informatique à réservoir inspirée du cerveau. Crédit : Dr Oscar Lee.
Article : « Task-adaptive physical reservoir computing » – DOI: 10.1038/s41563-023-01698-8
