lundi, juin 2, 2025
  • Connexion
Enerzine.com
  • Accueil
  • Energie
    • Electricité
    • Marché Energie
    • Nucléaire
    • Pétrole
    • Gaz
    • Charbon
  • Renouvelable
    • Biogaz
    • Biomasse
    • Eolien
    • Géothermie
    • Hydro
    • Hydrogène
    • Solaire
  • Technologie
    • Batterie
    • Intelligence artificielle
    • Matériaux
    • Quantique
    • Recherche
    • Robotique
    • Autres
      • Chaleur
      • Communication
      • Fusion
      • Graphène
      • Impression
      • Industrie énergie
      • Industrie technologie
      • Laser
      • Nanotechnologie
      • Optique
  • Environnement
    • Carbone
    • Circulaire
    • Climat
    • Déchets
    • Durable
    • Risques
    • Santé
  • Mobilité
    • Aérien
    • Infrastructure
    • Logistique
    • Maritime
    • Spatial
    • Terrestre
  • Habitat
  • Insolite
  • GuideElectro
    • Sommaire
    • Maison
    • Chauffage
    • Bricolage
    • Jardin
    • Domotique
    • Autres
      • Isolations
      • Eclairage
      • Nomade
      • Loisir
      • Compostage
      • Médical
  • LaboFUN
    • Science
    • Lévitation
    • Globe
Aucun résultat
Voir tous les résultats
  • Accueil
  • Energie
    • Electricité
    • Marché Energie
    • Nucléaire
    • Pétrole
    • Gaz
    • Charbon
  • Renouvelable
    • Biogaz
    • Biomasse
    • Eolien
    • Géothermie
    • Hydro
    • Hydrogène
    • Solaire
  • Technologie
    • Batterie
    • Intelligence artificielle
    • Matériaux
    • Quantique
    • Recherche
    • Robotique
    • Autres
      • Chaleur
      • Communication
      • Fusion
      • Graphène
      • Impression
      • Industrie énergie
      • Industrie technologie
      • Laser
      • Nanotechnologie
      • Optique
  • Environnement
    • Carbone
    • Circulaire
    • Climat
    • Déchets
    • Durable
    • Risques
    • Santé
  • Mobilité
    • Aérien
    • Infrastructure
    • Logistique
    • Maritime
    • Spatial
    • Terrestre
  • Habitat
  • Insolite
  • GuideElectro
    • Sommaire
    • Maison
    • Chauffage
    • Bricolage
    • Jardin
    • Domotique
    • Autres
      • Isolations
      • Eclairage
      • Nomade
      • Loisir
      • Compostage
      • Médical
  • LaboFUN
    • Science
    • Lévitation
    • Globe
Aucun résultat
Voir tous les résultats
Enerzine.com
Aucun résultat
Voir tous les résultats
Une méthode plus éco-énergétique pour entraîner l'intelligence artificielle

Une méthode plus éco-énergétique pour entraîner l’intelligence artificielle

par La rédaction
10 septembre 2023
en Intelligence artificielle, Technologie

Les performances impressionnantes de l’intelligence artificielle (IA) s’accompagnent d’une demande énergétique considérable. Deux chercheurs de l’Institut Max Planck pour la Science de la Lumière à Erlangen, en Allemagne, proposent une méthode permettant de former l’IA de manière beaucoup plus efficace.

Leur approche repose sur des processus physiques plutôt que sur les réseaux de neurones artificiels numériques actuellement utilisés. Les résultats ont été publiés dans la revue Physical Review X (« Self-Learning Machines Based on Hamiltonian Echo Backpropagation« ).

Les réseaux neuronaux sur les ordinateurs neuromorphiques

Afin de réduire la consommation d’énergie des ordinateurs et, en particulier, des applications d’IA, plusieurs institutions de recherche étudient depuis quelques années un nouveau concept de traitement des données pour l’avenir : le calcul neuromorphique. Bien que cela ressemble aux réseaux neuronaux artificiels, il a en réalité peu à voir avec eux, car les réseaux neuronaux artificiels fonctionnent sur des ordinateurs numériques conventionnels.

« Le transfert de données entre ces deux composants consomme à lui seul de grandes quantités d’énergie lorsqu’un réseau neuronal entraîne des centaines de milliards de paramètres, c’est-à-dire des synapses, avec jusqu’à un téraoctet de données », explique Florian Marquardt, directeur de l’Institut Max Planck pour la Science de la Lumière et professeur à l’Université d’Erlangen.

L’intelligence artificielle comme fusion du flipper et du boulier : dans cette expérience de pensée, la boule de flipper bleue chargée positivement représente un ensemble de données d’apprentissage. La balle est lancée d’un côté à l’autre de la plaque (1). (Image : Florian Marquardt, MPL)

Une machine physique auto-apprenante optimise ses synapses

En collaboration avec Víctor López-Pastor, doctorant à l’Institut Max Planck, Florian Marquardt a élaboré une méthode d’entraînement efficace pour les ordinateurs neuromorphiques.

« Nous avons développé le concept d’une machine physique auto-apprenante », explique Florian Marquardt. « L’idée centrale est de réaliser l’entraînement sous la forme d’un processus physique, dans lequel les paramètres de la machine sont optimisés par le processus lui-même. »

Articles à explorer

La création de nanostructures supraconductrices 3D permet de contrôler localement l'état supraconducteur

La création de nanostructures supraconductrices 3D permet de contrôler localement l’état supraconducteur

20 mai 2025
Plus de puissance pour les réseaux à fibres optiques

Plus de puissance pour les réseaux à fibres optiques

20 mai 2025

La mise en œuvre et la formation d’une intelligence artificielle sur une machine physique auto-apprenante permettraient non seulement d’économiser de l’énergie, mais aussi du temps de calcul.

Test pratique dans un ordinateur neuromorphique optique

Des exemples de processus réversibles et non linéaires peuvent être trouvés dans l’optique. En effet, les deux chercheurs collaborent déjà avec une équipe expérimentale développant un ordinateur neuromorphique optique. Cette machine traite les informations sous la forme d’ondes lumineuses superposées, des composants appropriés régulant le type et l’intensité de l’interaction. Les chercheurs visent à mettre en pratique le concept de la machine physique auto-apprenante.

« Nous espérons pouvoir présenter la première machine physique auto-apprenante dans trois ans », commente Florian Marquardt. D’ici là, il devrait exister des réseaux neuronaux qui pensent avec beaucoup plus de synapses et sont formés avec des quantités de données nettement plus importantes qu’aujourd’hui.

En synthèse

Les chercheurs de l’Institut Max Planck pour la Science de la Lumière ont développé une méthode d’entraînement éco-énergétique pour l’intelligence artificielle basée sur des processus physiques. Cette approche pourrait réduire considérablement la consommation d’énergie et le temps de calcul nécessaires pour former des réseaux neuronaux. Les ordinateurs neuromorphiques optiques pourraient être la clé pour mettre en pratique cette méthode innovante.

Pour une meilleure compréhension

1. Qu’est-ce que le calcul neuromorphique ?

Le calcul neuromorphique est un concept de traitement des données qui imite la manière dont le cerveau humain fonctionne. Il vise à réduire la consommation d’énergie et à améliorer l’efficacité des ordinateurs, en particulier pour les applications d’intelligence artificielle.

2. Comment fonctionne une machine physique auto-apprenante ?

Une machine physique auto-apprenante optimise ses paramètres grâce à un processus physique, sans nécessiter de rétroaction externe. Cela rend l’entraînement beaucoup plus efficace en termes d’énergie et de temps de calcul.

3. Quelles sont les conditions requises pour le processus physique ?

Le processus physique doit être réversible et non linéaire, c’est-à-dire suffisamment complexe pour accomplir les transformations compliquées entre les données d’entrée et les résultats.

4. Qu’est-ce qu’un ordinateur neuromorphique optique ?

Un ordinateur neuromorphique optique est un type d’ordinateur qui traite les informations sous la forme d’ondes lumineuses superposées. Les composants appropriés régulent le type et l’intensité de l’interaction entre les ondes lumineuses.

5. Quand peut-on s’attendre à voir la première machine physique auto-apprenante ?

Les chercheurs espèrent présenter la première machine physique auto-apprenante dans trois ans, offrant une méthode d’entraînement plus éco-énergétique pour l’intelligence artificielle.

Publication originale : DOI: doi.org/10.1103/PhysRevX.13.031020

URL : journals.aps.org/prx/abstract/10.1103/PhysRevX.13.031020

Tags: auto-apprenanteecoenergetiqueneuromorphiqueoptiquesynapses
TweetPartagePartagePartageEnvoyer
Article précédent

H2FLY réussit le 1er vol piloté d’un avion électrique à hydrogène liquide

Article suivant

Sensiworm, le robot qui inspecte chaque centimètre des moteurs à réaction

La rédaction

La rédaction

Enerzine.com propose une couverture approfondie des innovations technologiques et scientifiques, avec un accent particulier sur : - Les énergies renouvelables et le stockage énergétique - Les avancées en matière de mobilité et transport - Les découvertes scientifiques environnementales - Les innovations technologiques - Les solutions pour l'habitat Les articles sont rédigés avec un souci du détail technique tout en restant accessibles, couvrant aussi bien l'actualité immédiate que des analyses. La ligne éditoriale se concentre particulièrement sur les innovations et les avancées technologiques qui façonnent notre futur énergétique et environnemental, avec une attention particulière portée aux solutions durables et aux développements scientifiques majeurs.

A lire également

La méthode Rice permet d'affiner la fabrication de films de diamant ultrapur pour des applications quantiques et électroniques
Matériaux

La méthode Rice permet d’affiner la fabrication de films de diamant ultrapur pour des applications quantiques et électroniques

il y a 14 heures
Optique

Amélioration de l’efficacité des écrans OLED : Une voie vers la longévité des PHOLED bleues

il y a 15 heures
Une nouvelle pile à combustible pourrait permettre l'aviation électrique
Batterie

Une nouvelle pile à combustible pourrait permettre l’aviation électrique

il y a 18 heures
Une avancée en physique révèle une nouvelle façon de contrôler des objets solides dans un liquide
Recherche

Une avancée en physique révèle une nouvelle façon de contrôler des objets solides dans un liquide

il y a 2 jours
Explorer les mers avec des méduses cyborgs autonomes
Robotique

Explorer les mers avec des méduses cyborgs autonomes

il y a 2 jours
L'apprentissage automatique simplifie les processus laser industriels
Laser

L’apprentissage automatique simplifie les processus laser industriels

il y a 3 jours
Plus d'articles
Article suivant
Sensiworm, le robot qui inspecte chaque centimètre des moteurs à réaction

Sensiworm, le robot qui inspecte chaque centimètre des moteurs à réaction

Des chercheurs créent des polymères aux comportements thermiques opposés

Des chercheurs créent des polymères aux comportements thermiques opposés

La médecine personnalisée passe-t-elle par l'analyse de notre sueur ?

La médecine personnalisée passe-t-elle par l'analyse de notre sueur ?

Bibliothèque photos préférée : Depositphotos.com
depositphotos
Enerzine est rémunéré pour les achats éligibles à la plateforme : Amazon partenaire

Articles récents

Voiture électrique : pourquoi le choix des pneus est plus stratégique qu'il n'y paraît

Voiture électrique : pourquoi le choix des pneus est plus stratégique qu’il n’y paraît

2 juin 2025
L'autoconsommation solaire en 2025 : une réponse concrète à la crise énergétique

L’autoconsommation solaire en 2025 : une réponse concrète à la crise énergétique

2 juin 2025
  • A propos
  • Newsletter
  • Publicité – Digital advertising
  • Mentions légales
  • Confidentialité
  • Contact

© 2025 Enerzine.com

Bienvenue !

Login to your account below

Forgotten Password?

Retrieve your password

Please enter your username or email address to reset your password.

Log In
Aucun résultat
Voir tous les résultats
  • Accueil
  • Energie
  • Renouvelable
  • Technologie
  • Environnement
  • Mobilité
  • Habitat
  • Insolite
  • Guide
  • Labo

© 2025 Enerzine.com