L’essor de l’intelligence artificielle (IA) et de l’apprentissage machine (ML) a créé une crise dans le domaine de l’informatique et un besoin important de matériel plus performant sur le plan énergétique et évolutif. L’une des étapes clés de l’IA et de l’apprentissage automatique consiste à prendre des décisions sur la base de données incomplètes, la meilleure approche étant d’émettre une probabilité pour chaque réponse possible. Les ordinateurs classiques actuels ne sont pas en mesure de le faire de manière économe en énergie, une limitation qui a conduit à la recherche de nouvelles approches informatiques. Les ordinateurs quantiques, qui fonctionnent avec des qubits, pourraient aider à relever ces défis, mais ils sont extrêmement sensibles à leur environnement, doivent être maintenus à des températures extrêmement basses et n’en sont encore qu’aux premiers stades de leur développement.

Kerem Camsari, professeur adjoint d’ingénierie électrique et informatique (ECE) à l’UC Santa Barbara, pense que les ordinateurs probabilistes (p-computers) sont la solution. Les ordinateurs p sont alimentés par des bits probabilistes (p-bits), qui interagissent avec d’autres p-bits dans le même système. Contrairement aux bits des ordinateurs classiques, qui sont dans un état 0 ou 1, ou aux qubits, qui peuvent être dans plus d’un état à la fois, les p-bits fluctuent entre les positions et fonctionnent à température ambiante. Dans un article publié dans Nature Electronics, M. Camsari et ses collaborateurs parlent de leur projet qui a démontré les promesses des p-ordinateurs.

« Nous avons montré que des ordinateurs intrinsèquement probabilistes, construits à partir de p-bits, peuvent surpasser les logiciels de pointe développés depuis des décennies », a déclaré M. Camsari, qui a reçu un Young Investigator Award de l’Office of Naval Research plus tôt cette année.

Le groupe de M. Camsari a collaboré avec des scientifiques de l’université de Messine en Italie, avec Luke Theogarajan, vice-président du département ECE de l’UCSB, et avec le professeur de physique John Martinis, qui a dirigé l’équipe ayant construit le premier ordinateur quantique au monde à atteindre la suprématie quantique. Ensemble, les chercheurs ont obtenu ces résultats prometteurs en utilisant du matériel classique pour créer des architectures spécifiques à un domaine. Ils ont mis au point une machine d’Ising clairsemée (sIm) unique, un nouveau dispositif informatique utilisé pour résoudre des problèmes d’optimisation et minimiser la consommation d’énergie.

Camsari décrit la sIm comme une collection de bits probabilistes qui peuvent être considérés comme des personnes. Et chaque personne n’a qu’un petit ensemble d’amis de confiance, qui sont les connexions « éparses » de la machine.

« Les personnes peuvent prendre des décisions rapidement car elles ont chacune un petit ensemble d’amis de confiance et elles n’ont pas besoin d’entendre tout le monde dans un réseau entier », a-t-il expliqué. « Le processus par lequel ces agents parviennent à un consensus est similaire à celui utilisé pour résoudre un problème d’optimisation difficile qui satisfait de nombreuses contraintes différentes. Les machines d’Ising éparses nous permettent de formuler et de résoudre une grande variété de ces problèmes d’optimisation en utilisant le même matériel. »

L’architecture prototypée de l’équipe comprenait un réseau de portes programmables par l’utilisateur (FPGA), une pièce de matériel puissante qui offre beaucoup plus de flexibilité que les circuits intégrés spécifiques à une application.

« Imaginez une puce informatique qui vous permette de programmer les connexions entre les p-bits d’un réseau sans avoir à fabriquer une nouvelle puce », a déclaré M. Camsari.

Les chercheurs ont montré que leur architecture éparse dans les FPGA était jusqu’à six ordres de grandeur plus rapide et avait augmenté la vitesse d’échantillonnage de cinq à dix-huit fois plus vite que celles obtenues par les algorithmes optimisés utilisés sur les ordinateurs classiques.

En outre, ils ont indiqué que leur IMS permettait un parallélisme massif où le nombre de retournements par seconde – le chiffre clé qui mesure la rapidité avec laquelle un p-ordinateur peut prendre une décision intelligente – évolue linéairement avec le nombre de p-bits. M. Camsari renvoie à l’analogie des amis de confiance qui tentent de prendre une décision.

« La question clé est que le processus d’obtention d’un consensus nécessite une communication forte entre des personnes qui se parlent continuellement en fonction de leurs dernières réflexions », a-t-il noté. « Si tout le monde prend des décisions sans écouter, un consensus ne peut être atteint et le problème d’optimisation n’est pas résolu. »

En d’autres termes, plus les p-bits communiquent rapidement, plus vite un consensus peut être atteint, ce qui explique pourquoi il est crucial d’augmenter le nombre de flips par seconde, tout en s’assurant que tout le monde s’écoute.

« C’est exactement ce que nous avons réalisé dans notre conception », a-t-il expliqué. « En veillant à ce que tout le monde s’écoute et en limitant le nombre de « personnes » pouvant être amies entre elles, nous avons parallélisé le processus de décision. »

Leur travail a également montré une capacité à faire évoluer les p-ordinateurs jusqu’à cinq mille p-bits, ce que Camsari considère comme extrêmement prometteur, tout en notant que leurs idées ne sont qu’une pièce du puzzle des p-ordinateurs.

« Pour nous, ces résultats étaient la partie émergée de l’iceberg », a-t-il déclaré. « Nous avons utilisé la technologie des transistors existante pour émuler nos architectures probabilistes, mais si des nanodispositifs avec des niveaux d’intégration beaucoup plus élevés sont utilisés pour construire des p-ordinateurs, les avantages seraient énormes ». C’est ce qui me fait perdre le sommeil ».

Un p-ordinateur de 8 bits que Camsari et ses collaborateurs ont construit lorsqu’il était étudiant diplômé et chercheur postdoctoral à l’Université Purdue a initialement montré le potentiel du dispositif. Leur article, publié en 2019 dans Nature, décrivait une réduction par dix de l’énergie et par cent de l’empreinte de surface qu’il nécessitait par rapport à un ordinateur classique. Un financement d’amorçage, fourni à l’automne 2020 par l’Institut pour l’efficacité énergétique de l’UCSB, a permis à Camsari et Theogarajan de faire avancer la recherche sur le p-ordinateur, en soutenant les travaux présentés dans Nature Electronics.

« Les conclusions initiales, combinées à nos derniers résultats, signifient que la construction de p-ordinateurs avec des millions de p-bits pour résoudre des problèmes d’optimisation ou de prise de décision probabiliste avec des performances compétitives pourrait tout simplement être possible », a déclaré Camsari.

L’équipe de recherche espère que les p-ordinateurs pourront un jour traiter un ensemble spécifique de problèmes, naturellement probabilistes, beaucoup plus rapidement et efficacement.

ordinateur probabiliste

SEO INSIDE est une agence SEO.

 

--

 

SEO Inside est une agence web et SEO - en savoir plus sur nous:

Agence web / Audit SEO / Conseil SEO / Création de site internet / Refonte de site internet optimisé pour le SEO / Référencement naturel / Référencement local /Netlinking / Formation SEO / E-Réputation et avis

Voici nos implantations :
Lille / Dunkerque / Amiens – ce sont nos 3 bureaux historiques.

Puis voici nos zones géographiques d’intervention :
Paris / Abbeville / Rouen / Compiègne / Reims / Metz / Caen / Evreux / Nancy / Colmar / Rennes / Le Mans / Orléans / Dijon / Besançon / Angers / Nantes / La Rochelle / Poitiers / Limoges /Clermont-Ferrand / Lyon / Annecy / Grenoble / Valence / Bordeaux / Montauban / Toulouse / Biarritz / Montpellier / Marseille / Cannes / Nice / Avignon / Monaco

SEO INSIDE est une agence web spécialiste en référencement naturel qui se veut proche de vous. Contactez-nous pour discuter de vos projets.