Une nouvelle étude montre que l'informatique analogique peut résoudre des équations complexes et consommer beaucoup moins d'énergie


Une équipe de chercheurs comprenant des ingénieurs de l'Université du Massachusetts à Amherst a prouvé que leur dispositif informatique analogique, appelé memristor, peut effectuer des tâches informatiques scientifiques complexes tout en contournant les limites de l'informatique numérique.

De nombreuses questions scientifiques importantes d’aujourd’hui – de la modélisation des matériaux à l’échelle nanométrique à la science du climat à grande échelle – peuvent être explorées à l’aide d’équations complexes. Cependant, les systèmes informatiques numériques actuels atteignent leurs limites pour effectuer ces calculs en termes de vitesse, de consommation d'énergie et d'infrastructure.

Qiangfei Xia, professeur de génie électrique et informatique à l'UMass Amherst, et l'un des auteurs correspondants de la recherche publiée dans Science, explique qu'avec les méthodes informatiques actuelles, chaque fois que l'on souhaite stocker des informations ou confier une tâche à un ordinateur, cela nécessite de déplacer des données entre la mémoire et les unités de calcul. Avec des tâches complexes déplaçant de plus grandes quantités de données, vous obtenez essentiellement une sorte de « embouteillage » de traitement.

L’informatique traditionnelle a pour objectif de résoudre ce problème en augmentant la bande passante. Au lieu de cela, Xia et ses collègues de l'UMass Amherst, de l'Université de Californie du Sud, et du fabricant de technologies informatiques TetraMem Inc. ont mis en œuvre l'informatique en mémoire avec la technologie des memristors analogiques comme alternative qui peut éviter ces goulots d'étranglement en réduisant le nombre de transferts de données.

L'informatique en mémoire de l'équipe repose sur un composant électrique appelé memristor, une combinaison de mémoire et de résistance (qui contrôle le flux d'électricité dans un circuit). Un memristor contrôle le flux de courant électrique dans un circuit, tout en « mémorisant » l'état antérieur, même lorsque l'alimentation est coupée, contrairement aux puces informatiques à transistors d'aujourd'hui, qui ne peuvent contenir des informations que lorsqu'il y a du courant. Le dispositif memristor peut être programmé sur plusieurs niveaux de résistance, augmentant ainsi la densité d'informations dans une cellule.

Lorsqu'il est organisé en réseau crossbar, un tel circuit memristif effectue un calcul analogique en utilisant des lois physiques de manière massivement parallèle, accélérant considérablement le fonctionnement matriciel, le calcul le plus fréquemment utilisé mais très gourmand en énergie dans les réseaux de neurones. Le calcul est effectué sur le site de l'appareil, plutôt que de déplacer les données entre la mémoire et le traitement. En utilisant l’analogie du trafic, Xia compare l’informatique en mémoire aux routes presque vides observées au plus fort de la pandémie : « Vous avez éliminé le trafic parce que [nearly] tout le monde travaillait à domicile », dit-il. « Nous travaillons simultanément, mais nous envoyons uniquement les données/résultats importants. »

Auparavant, ces chercheurs avaient démontré que leur memristor pouvait effectuer des tâches informatiques de faible précision, comme l'apprentissage automatique. D'autres applications incluent le traitement du signal analogique, la détection radiofréquence et la sécurité matérielle.

« Dans ce travail, nous proposons et démontrons une nouvelle architecture de circuit et un nouveau protocole de programmation capables de représenter efficacement des nombres de haute précision en utilisant une somme pondérée de plusieurs dispositifs analogiques de relativement faible précision, tels que des memristors, avec une surcharge considérablement réduite dans les circuits, l'énergie et la latence par rapport aux approches de quantification existantes », explique Xia.

« L'avancée de cet article est que nous repoussons les limites plus loin », ajoute-t-il. « Cette technologie n'est pas seulement bonne pour le calcul de réseaux neuronaux de faible précision, mais elle peut également être bonne pour le calcul scientifique de haute précision. »

Pour la démonstration de principe, le memristor a résolu des équations aux dérivées partielles statiques et évolutives dans le temps, des équations de Navier-Stokes et des problèmes de magnétohydrodynamique.

« Nous sommes sortis de notre propre zone de confort », dit-il, en allant au-delà des exigences de faible précision des réseaux neuronaux de l'informatique de pointe pour passer au calcul scientifique de haute précision.

Il a fallu plus d'une décennie à l'équipe et aux collaborateurs de l'UMass Amherst pour concevoir un dispositif memristor approprié et construire des circuits et des puces informatiques de grande taille pour l'informatique analogique en mémoire. « Nos recherches menées au cours de la dernière décennie ont fait du memristor analogique une technologie viable. Il est temps d'introduire une technologie aussi performante dans l'industrie des semi-conducteurs pour qu'elle profite à la vaste communauté du matériel d'IA », déclare Xia.

Laisser un commentaire

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

*