Le Massachusetts Institute of Technology (MIT) a fait un grand pas en avant dans le domaine de l’IA en présentant une puce photonique qui promet des calculs d’IA plus rapides et plus économes en énergie. Mise au point par des chercheurs de MIT, cette technologie de pointe atteint une précision impressionnante de 96 % pendant l’entraînement et de 92 % pendant l’inférence, rivalisant avec les performances des processeurs électroniques conventionnels tout en consommant nettement moins d’énergie.
Cette puce, capable d’effectuer des calculs essentiels en moins d’une demi-nanoseconde, pourrait ouvrir la voie à des applications d’IA. Cette innovation répond à une préoccupation croissante dans le domaine de l’IA : les besoins énergétiques toujours plus importants du matériel électronique traditionnel.
Pourquoi les puces photoniques sont importantes
La demande pour un entraînement plus efficace des modèles d’IA s’accroît, car les réseaux neuronaux profonds (DNN), qui constituent la colonne vertébrale de l’IA moderne, nécessitent d’immenses ressources de calcul. Le matériel électronique traditionnel peine à répondre à ces exigences, consommant une quantité considérable d’énergie et approchant ses limites en matière de performances. La puce photonique développée par MIT pourrait changer la donne en effectuant des calculs essentiels à la vitesse de l’éclair, et en achevant les tâches en moins d’une demi-nanoseconde.
Les réseaux neuronaux profonds traitent les données à travers des couches interconnectées, imitant le cerveau humain. Ils reposent sur deux grands types d’opérations : les calculs linéaires, qui impliquent des multiplications matricielles, et les calculs non linéaires, qui permettent aux modèles de détecter des motifs complexes. Si les processeurs photoniques sont déjà parvenus à gérer les tâches linéaires, les calculs non linéaires ont toujours constitué un défi, car les particules de lumière (photons) résistent naturellement aux interactions entre elles.
« La non-linéarité en optique est particulièrement difficile à mettre en œuvre, car les photons n’interagissent pas facilement les uns avec les autres », a expliqué Saumil Bandyopadhyay, chercheur invité à MIT participant à ce projet. « Il faut donc beaucoup d’énergie pour déclencher des non-linéarités optiques, ce qui rend difficile la construction d’un système capable de le faire de manière évolutive. »
Résoudre le casse-tête de la non-linéarité
L’équipe de MIT, dirigée par Dirk Englund du Quantum Photonics and Artificial Intelligence Group, s’est attaquée à ce problème en concevant des « unités de fonction optique non linéaire », ou NOFU. Selon le rapport, les chercheurs ont « construit un réseau neuronal profond optique sur une puce photonique à l’aide de trois couches de dispositifs effectuant des opérations linéaires et non linéaires ».
Ces dispositifs hybrides intègrent des composants photoniques et électroniques pour gérer les opérations non linéaires. En convertissant de petites quantités de lumière en courant électrique, la puce élimine le besoin d’amplificateurs énergivores et conserve ainsi son efficacité énergétique. Les chercheurs ont fabriqué avec succès la puce expérimentale en utilisant les mêmes procédés de fonderie que ceux employés pour les puces CMOS traditionnelles. Cette évolutivité signifie que la puce photonique pourrait être intégrée aux systèmes de fabrication existants, ouvrant la voie à une adoption généralisée dans un avenir proche.
Alors que les calculs d’IA deviennent toujours plus essentiels à des applications comme les voitures autonomes, le traitement du langage naturel et la robotique avancée, des innovations telles que la puce photonique de MIT promettent de révolutionner le domaine en rendant l’IA à la fois plus rapide et plus écologique.
Financée par des organismes tels que la National Science Foundation des États-Unis, l’Office of Scientific Research de l’U.S. Air Force et NTT Research, cette recherche pourrait poser les fondations du matériel d’IA de nouvelle génération.
Découvrez les principales entreprises qui repoussent les limites de l’IA et redéfinissent la manière dont cette technologie est utilisée dans un large éventail de secteurs.