L'ordinateur optique analogique de Microsoft peut-il être la réponse à des tâches d'IA et d'optimisation plus économes en énergie?

La mise à l'échelle constante des applications d'IA et d'autres technologies numériques à travers les industries commence à taxer le réseau d'énergie en raison de sa consommation intensive d'énergie. Les demandes d'énergie et de latence de l'informatique numérique continueront probablement d'augmenter, ce qui remet en question leur durabilité.

Sans surprise, la dépendance à l'égard de ces technologies dans notre monde moderne incite les chercheurs à produire des moyens plus économes en énergie pour aller de l'avant – et Microsoft pourrait être en avance sur le jeu. Les chercheurs de Microsoft, ainsi qu'une équipe de l'Université de Cambridge, ont développé un nouvel ordinateur optique analogique (AOC) qui a le potentiel de donner l'IA, ainsi que l'optimisation combinatoire, une augmentation indispensable de l'efficacité.

Le prototype AOC est décrit dans une étude récente du groupe qui a été publié dans Nature. Le groupe a combiné l'électronique analogique et les tableaux micro-micro,, les modulateurs de lumière spatiale et les réseaux de photodétector pour accélérer à la fois l'inférence IA et l'optimisation combinatoire sur une seule plate-forme.

L'AOC évite les conversions numériques, qui gaspillent l'énergie et limitent les performances, et améliore la robustesse du bruit en utilisant une recherche rapide à point fixe. Il abrite le potentiel d'avoir jusqu'à 100 fois l'efficacité énergétique des principaux GPU et sa nouvelle capacité à améliorer à la fois l'IA et l'efficacité des tâches d'optimisation en font une solution prometteuse pour de nombreuses industries.

Pour tester l'applicabilité de l'AOC, l'équipe a créé un «Twin numérique», une version logicielle du matériel, permettant une formation modèle et une simulation à grande échelle. Une série d'études de cas a été menée, notamment la classification de l'image, la régression non linéaire, la reconstruction d'image IRM et le règlement des transactions financières.

Les résultats étaient impressionnants – l'étude de cas IRM a montré que le jumeau numérique était capable de reconstruire des images avec une bonne précision et avait la capacité de réduire le temps d'imagerie de 30 minutes à seulement cinq. L'étude de cas de règlement des transactions a également montré une précision impressionnante pour résoudre un cas de test d'optimisation complexe. Dans l'ensemble, il y avait plus d'une correspondance de 99% entre le jumeau numérique et le matériel pour les tâches d'inférence.

« La validation croisée avec le jumeau numérique, associée à une évaluation sur de gros problèmes, offre la confiance dans les performances du matériel à mesure qu'elle évolue. À l'avance, l'approche de la co-conception de l'AOC – alignant le matériel avec les algorithmes ML et d'optimisation – pourrait stimuler un volant de futures innovations dans le matériel et les algorithmes de l'étude, Pivotal pour un avenir durable de calcul de la calcul », selon les autorités de l'étude.

Malgré un besoin urgent de la technologie, l'application réelle de l'AOC pourrait être une voie à retirer, car elle a encore besoin d'un réglage fin. Son matériel actuel est encore à petite échelle, à 256 poids (ou paramètres) pour l'inférence dans le modèle qu'ils ont construit et 4 096 poids sont actuellement possibles, avec 64 variables pour l'optimisation, mais les chercheurs notent que la lutte contre les applications pratiques avec l'AOC nécessitera une évolutivité matérielle à des centaines de millions ou des milliards de poids.

Ils disent que cela est techniquement réalisable car les composants deviennent de plus en plus petits et plus de micro-LED peuvent être ajoutés au matériel.