Une puce optique capable de former du matériel d’apprentissage automatique
Une photo de la puce utilisée pour ce travail. Crédit : Université George Washington/Université Queens
Une équipe de recherche multi-institutions a développé une puce optique capable de former du matériel d’apprentissage automatique. Leurs recherches sont publiées aujourd’hui dans Optique.
Les applications d’apprentissage automatique ont grimpé en flèche pour atteindre 165 milliards de dollars par an, selon un récent rapport de McKinsey. Mais avant qu’une machine puisse effectuer des tâches d’intelligence telles que la reconnaissance des détails d’une image, elle doit être entraînée. La formation des systèmes d’intelligence artificielle (IA) modernes comme le pilote automatique de Tesla coûte plusieurs millions de dollars en consommation d’énergie électrique et nécessite une infrastructure de type supercalculateur.
Cet « appétit » croissant pour l’IA laisse un fossé de plus en plus large entre le matériel informatique et la demande d’IA. Les circuits intégrés photoniques, ou simplement les puces optiques, sont apparus comme une solution possible pour fournir des performances de calcul plus élevées, mesurées par le nombre d’opérations effectuées par seconde par watt utilisé, ou TOPS/W. Cependant, bien qu’elles aient démontré des opérations de base améliorées dans l’intelligence artificielle utilisée pour la classification des données, les puces photoniques n’ont pas encore amélioré le processus réel d’apprentissage frontal et de formation des machines.
L’apprentissage automatique est une procédure en deux étapes. Tout d’abord, les données sont utilisées pour former le système, puis d’autres données sont utilisées pour tester les performances du système d’IA. Dans un nouvel article, une équipe de chercheurs de l’Université George Washington, de l’Université Queens, de l’Université de la Colombie-Britannique et de l’Université de Princeton a entrepris de faire exactement cela.
Après une étape de formation, l’équipe a observé une erreur et a reconfiguré le matériel pour un deuxième cycle de formation suivi de cycles de formation supplémentaires jusqu’à ce qu’une performance d’IA suffisante soit atteinte (par exemple, le système est capable d’étiqueter correctement les objets apparaissant dans un film). Jusqu’à présent, les puces photoniques n’ont démontré qu’une capacité à classer et à déduire des informations à partir de données. Désormais, les chercheurs ont permis d’accélérer l’étape d’entraînement elle-même.
Cette capacité d’IA supplémentaire fait partie d’un effort plus large autour noyaux tenseurs photoniques et d’autres circuits intégrés électroniques-photoniques spécifiques aux applications (ASIC) qui exploitent fabrication de puces photoniques pour les applications d’apprentissage automatique et d’IA.
« Ce nouveau matériel accélérera la formation des systèmes d’apprentissage automatique et exploitera le meilleur de ce que la photonique et les puces électroniques ont à offrir. C’est un grand pas en avant pour l’accélération matérielle de l’IA. Ce sont les types d’avancées dont nous avons besoin dans le domaine des semi-conducteurs. comme le souligne la loi CHIPS récemment adoptée », déclare Volker Sorger, professeur de génie électrique et informatique à l’Université George Washington et fondateur de la start-up Optelligence.
« La formation des systèmes d’IA coûte une quantité importante d’énergie et d’empreinte carbone. Par exemple, un seul transformateur d’IA consomme environ cinq fois plus de CO2 en électricité qu’une voiture à essence dépense au cours de sa vie. Notre formation sur les puces photoniques contribuera à réduire ces frais généraux », ajoute Bhavin Shastri, professeur adjoint au département de physique de l’Université Queens.
