Une nouvelle puce optique semblable à un cerveau peut traiter 2 milliards d’images par seconde
Accrochez-vous bien.
La nouvelle puce peut traiter près de 2 milliards d’images par seconde. lla Maru Studio/Penn School of Engineering and Applied Science
Des chercheurs de l’université de Pennsylvanie ont inventé une nouvelle puce optique capable de traiter plus de 2 milliards de photos par seconde. Le gadget est constitué d’un réseau neuronal qui traite les données sous forme de lumière sans utiliser les composants qui ralentissent les puces informatiques standard, comme la mémoire.
Les recherches ont été publiées dans la revue Nature.
La nouvelle puce est basée sur un réseau neuronal, qui est un système inspiré de la façon dont le cerveau traite les informations. Ces réseaux sont constitués de nœuds qui se connectent comme des neurones, et ils “apprennent” de la même manière que les cerveaux organiques en étant entraînés sur des ensembles de données, comme la reconnaissance d’objets dans des photos ou la reconnaissance vocale. En d’autres termes, ils s’améliorent considérablement au fil du temps.
La nouvelle puce, comme nous l’avons déjà souligné, traite les informations sous forme de lumière plutôt que de signaux électriques. Ses “neurones” sont des fils optiques, qui sont superposés en de nombreuses couches, chacune spécialisée dans une forme différente de classification.
Lors d’expériences, les scientifiques ont créé une puce d’une surface de 9,3 mm2 et l’ont utilisée pour classer une séquence de caractères manuscrits ressemblant à des lettres. Après avoir été entraînée sur des ensembles de données pertinents, la puce a été capable de classer des photos avec une précision de 93,8 % pour les ensembles comportant deux types de caractères, et de 89,8 % pour les ensembles contenant quatre types de caractères.
Plus particulièrement, la puce a pu classer chaque caractère en 0,57 nanoseconde, ce qui lui permet de traiter 1,75 milliard de photos par seconde. Selon l’équipe, cette vitesse provient de la capacité de la puce à traiter les informations sous forme de lumière, ce qui lui confère plusieurs avantages par rapport aux puces informatiques existantes.
“Notre puce traite l’information par ce que nous appelons le ‘calcul par propagation’, ce qui signifie que, contrairement aux systèmes basés sur une horloge, les calculs se produisent lorsque la lumière se propage dans la puce”, a déclaré Firooz Aflatouni, auteur principal de l’étude. “Nous sautons également l’étape de conversion des signaux optiques en signaux électriques car notre puce peut lire et traiter directement les signaux optiques, et ces deux changements font de notre puce une technologie nettement plus rapide.”
Un autre avantage est que les données traitées n’ont pas besoin d’être stockées, ce qui permet de gagner du temps en évitant de transmettre les données à la mémoire et de l’espace en n’ayant pas du tout besoin d’un composant mémoire. Selon les experts, le fait de ne pas stocker les données est également plus sûr, car il empêche toute fuite potentielle.
Les prochaines étapes de l’équipe consisteront à mettre le dispositif à l’échelle et à modifier la technologie pour traiter différents types de données.
“Ce qui est vraiment intéressant avec cette technologie, c’est qu’elle peut faire tellement plus que classer des images”, a déclaré Aflatouni. “Nous savons déjà comment convertir de nombreux types de données dans le domaine électrique – images, audio, parole, et bien d’autres types de données. Maintenant, nous pouvons convertir différents types de données dans le domaine optique et les faire traiter presque instantanément grâce à cette technologie.”
Résumé de l’étude :
“Les réseaux neuronaux profonds dont les applications vont de la vision par ordinateur au diagnostic médical sont généralement mis en œuvre à l’aide de processeurs basés sur l’horloge, dans lesquels la vitesse de calcul est principalement limitée par la fréquence d’horloge et le temps d’accès à la mémoire. Dans le domaine optique, malgré les progrès du calcul photonique, l’absence de non-linéarité optique évolutive sur puce et la perte de dispositifs photoniques limitent l’évolutivité des réseaux profonds optiques. Nous présentons ici un réseau de neurones profonds photoniques (PDNN) intégré de bout en bout qui effectue une classification d’images de l’ordre de la sub-nanoseconde grâce au traitement direct des ondes optiques qui frappent la matrice de pixels sur puce lorsqu’elles se propagent à travers les couches de neurones. Dans chaque neurone, le calcul linéaire est effectué de manière optique et la fonction d’activation non linéaire est réalisée de manière opto-électronique, ce qui permet un temps de classification inférieur à 570 ps, comparable à un seul cycle d’horloge des plates-formes numériques de pointe. Une lumière d’alimentation uniformément distribuée fournit la même gamme de sortie optique par neurone, ce qui permet une mise à l’échelle pour les PDNN à grande échelle. La classification de lettres manuscrites en deux et quatre classes avec des précisions supérieures à 93,8 % et 89,8 %, respectivement, est démontrée. Le traitement direct et sans horloge des données optiques élimine la conversion analogique-numérique et la nécessité d’un grand module de mémoire, ce qui permet d’avoir des réseaux neuronaux plus rapides et plus économes en énergie pour les prochaines générations de systèmes d’apprentissage profond.”
Lire aussi : Le miel pourrait devenir un élément crucial pour la construction de puces informatiques semblables au cerveau
Source : Interesting Engineering – Traduit par Anguille sous roche
