Une avancée majeure de l’informatique permet de résoudre un problème mathématique complexe un million de fois plus rapidement


Le calcul par réservoir est déjà l’un des types d’intelligence artificielle les plus avancés et les plus puissants dont disposent les scientifiques.

Une nouvelle étude montre comment le rendre jusqu’à un million de fois plus rapide pour certaines tâches.

Il s’agit d’une évolution passionnante lorsqu’il s’agit de relever les défis informatiques les plus complexes, qu’il s’agisse de prédire l’évolution du temps ou de modéliser l’écoulement de fluides dans un espace donné.

C’est pour résoudre de tels problèmes que ce type de calcul intensif en ressources a été mis au point ; aujourd’hui, les dernières innovations vont le rendre encore plus utile. L’équipe à l’origine de cette nouvelle étude la qualifie de nouvelle génération de calcul de réservoir.

“Nous pouvons effectuer des tâches très complexes de traitement de l’information en une fraction du temps et en utilisant beaucoup moins de ressources informatiques par rapport à ce que le calcul de réservoir peut faire actuellement”, explique le physicien Daniel Gauthier, de l’université d’État de l’Ohio.

“Et l’informatique par réservoir était déjà une amélioration significative par rapport à ce qui était possible auparavant.”

Le calcul par réservoir s’appuie sur l’idée des réseaux neuronaux – des systèmes d’apprentissage automatique basés sur le fonctionnement des cerveaux vivants – qui sont entraînés à repérer des modèles dans une grande quantité de données. Montrez à un réseau neuronal un millier de photos d’un chien, par exemple, et il devrait être assez précis pour reconnaître un chien la prochaine fois qu’il apparaîtra.

Les détails de la puissance supplémentaire qu’apporte le calcul par réservoir sont assez techniques. Pour l’essentiel, le processus envoie des informations dans un “réservoir”, où des points de données sont reliés de diverses manières. Les informations sont ensuite envoyées hors du réservoir, analysées et réinjectées dans le processus d’apprentissage.

Cela rend l’ensemble du processus plus rapide à certains égards, et plus adaptable aux séquences d’apprentissage. Mais il repose aussi largement sur un traitement aléatoire, ce qui signifie que ce qui se passe à l’intérieur du réservoir n’est pas clair comme de l’eau de roche. Pour utiliser un terme d’ingénierie, il s’agit d’une “boîte noire” : elle fonctionne généralement, mais personne ne sait vraiment comment ni pourquoi.

Grâce à la nouvelle recherche qui vient d’être publiée, les ordinateurs de réservoir peuvent être rendus plus efficaces en supprimant le caractère aléatoire. Une analyse mathématique a été utilisée pour déterminer quelles parties d’un ordinateur à réservoir sont réellement essentielles à son fonctionnement, et lesquelles ne le sont pas. En éliminant ces éléments redondants, on accélère le temps de traitement.

L’un des résultats finaux est qu’une période de “réchauffement” moins longue est nécessaire : Il s’agit d’alimenter le réseau neuronal avec des données d’entraînement pour le préparer à la tâche qu’il est censé accomplir. L’équipe de recherche a apporté des améliorations significatives à cet égard.

“Pour notre calcul de réservoir de nouvelle génération, il n’y a pratiquement pas de période de réchauffement nécessaire”, explique M. Gauthier.

“Actuellement, les scientifiques doivent introduire 1 000 ou 10 000 points de données ou plus pour le réchauffer. Et ce sont toutes les données qui sont perdues, qui ne sont pas nécessaires pour le travail réel. Nous ne devons introduire qu’un, deux ou trois points de données.”

Une tâche de prévision particulièrement difficile a été réalisée en moins d’une seconde sur un ordinateur de bureau standard grâce au nouveau système. Avec la technologie actuelle de calcul des réservoirs, la même tâche prend beaucoup plus de temps, même sur un superordinateur.

Le nouveau système s’est avéré être entre 33 et 163 fois plus rapide en fonction des données. Lorsque l’objectif de la tâche a été modifié pour donner la priorité à la précision, le modèle mis à jour était 1 million de fois plus rapide.

Ce n’est qu’un début pour ce type de réseau neuronal super efficace, et les chercheurs qui l’ont conçu espèrent le confronter à des tâches plus difficiles à l’avenir.

“Ce qui est passionnant, c’est que cette nouvelle génération de calcul de réservoir prend ce qui était déjà très bon et le rend beaucoup plus efficace”, déclare M. Gauthier.

Les travaux de recherche ont été publiés dans Nature Communications.

Lire aussi : Les physiciens viennent de faire une percée majeure dans le développement des réacteurs à fusion

Source : ScienceAlert – Traduit par Anguille sous roche


Vous aimerez aussi...

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *