La technologie optique peut réduire l’énergie requise par l’IA
Les ingénieurs de l’EPFL sont les pionniers d’une technologie d’économie d’énergie qui utilise la fibre optique pour augmenter les performances des supercalculateurs.
La technologie optique est utilisée pour transmettre, stocker, afficher et identifier des données. Il fournit la vitesse de traitement dont les centres de données ont besoin en offrant des moyens efficaces pour les opérations de communication et d’analyse. La technologie arrive à un moment où l’échelle massive des ensembles de données d’aujourd’hui met à rude épreuve la capacité des ordinateurs numériques et électroniques à les compiler et à extraire des informations clés. La communauté des chercheurs s’intéresse vivement au traitement de l’information optique pour effectuer les calculs à grande vitesse nécessaires aux tâches d’apprentissage automatique.
« La lumière transmet des informations sans aucune interférence physique des câbles. C’est le principal avantage de la technologie optique lorsqu’il s’agit de transférer des données », explique Demetri Psaltis, responsable du laboratoire d’optique de l’EPFL au sein de la School of Engineering. « Pour prendre l’exemple de l’intelligence artificielle, de nombreux programmes d’IA nécessitent des accélérateurs pour effectuer des calculs rapides en utilisant une puissance minimale. Pour l’instant, si la technologie optique pourrait théoriquement répondre à ce besoin, elle n’a pas encore atteint le stade appliqué – malgré un demi-siècle de recherche. C’est parce que l’informatique optique et la prise de décision ne permettent pas encore d’économiser du temps ni de l’énergie.
Inspiré des réseaux de neurones
La conception de dispositifs informatiques optiques reste un défi. Bien que les calculs soient effectués rapidement, l’obstacle réside dans le transfert des résultats en mémoire à cette même vitesse et de manière économe en énergie. Cet obstacle est ce que les ingénieurs du laboratoire de Psaltis, ainsi que des collèges du Laboratoire de dispositifs photoniques appliqués de Christophe Moser, également au sein de l’École d’ingénieurs, ont décidé de s’attaquer. Ils ont développé une méthode d’apprentissage automatique nommée SOLO, pour Scalable Optical Learning Operator, qui peut reconnaître et classer les informations formatées en images bidimensionnelles. Leurs résultats ont récemment été publiés dans Nature Computational Science.
Les informaticiens ont conçu des ordinateurs électroniques en s’inspirant des réseaux neuronaux du cerveau. Ces machines fonctionnent en utilisant des processeurs de type neurone et les connexions entre ces neurones. Les réseaux sont construits en couches, et ce sont ces couches qui créent la puissance de traitement. Plus il y a de couches, plus la capacité de prise de décision de l’ordinateur est sophistiquée. En 1990, ces réseaux avaient une couche profonde représentant 1 million de connexions neuronales. Aujourd’hui, les réseaux les plus puissants contiennent des dizaines de couches et des milliards de connexions. C’est un triomphe technologique, mais le grand nombre de connexions consomment une grande quantité d’énergie.
« L’objectif de nos recherches est de réduire les besoins énergétiques en utilisant d’autres méthodes de traitement, notamment la photonique », explique Moser. Son équipe s’est donc penchée sur l’utilisation de fibres optiques pour effectuer certains calculs. « Les calculs sont exécutés automatiquement par propagation d’impulsions lumineuses à l’intérieur de la fibre. Cela simplifie l’architecture de l’ordinateur, ne conservant qu’une seule couche neuronale, ce qui en fait un système hybride », ajoute Ugur Tegin, co-auteur principal de l’ouvrage.
Diminuer la puissance requise par un facteur 100
Pour tester leur technologie, l’équipe a utilisé un ensemble de données composé d’images radiographiques de poumons touchés par diverses maladies, dont COVID-19. Ils ont ensuite exécuté les données via SOLO pour identifier les organes touchés par le coronavirus. À des fins de comparaison, ils ont également fait passer les données à travers un système d’intelligence artificielle conventionnel avec 25 couches de neurones. Qu’ont-ils trouvé ? « Les deux systèmes ont également bien classé les rayons X. Cependant, notre système consommait 100 fois moins d’énergie », explique Moser. C’était la première fois que les ingénieurs pouvaient démontrer des économies d’énergie quantifiées. La plus grande efficacité énergétique de SOLO pourrait également ouvrir la porte à de nouvelles opportunités dans d’autres domaines de l’informatique optique ultra-rapide.
Les systèmes informatiques optiques hybrides sont en train de devenir une nouvelle technologie prometteuse. « Ils combinent la bande passante et la vitesse du traitement optique avec la flexibilité de l’informatique électronique. Lorsqu’ils sont couplés à des programmes d’intelligence artificielle en robotique, en microscopie et à d’autres tâches d’informatique visuelle, ces systèmes hybrides pourraient atteindre certaines des capacités de transformation qui ont longtemps été imaginées comme la seule compétence des ordinateurs optiques », explique Psaltis.