l’avenir de l’intelligence artificielle et du big data

Des technologies avancées telles que les réseaux de neurones ont trouvé de nombreuses applications dans la reconnaissance d’images, le traitement du Big Data, l’analyse financière et bien d’autres domaines. Cependant, leur formation nécessite des ressources informatiques considérables et la consommation d’énergie, ce qui pose des défis pour leur utilisation généralisée et leur développement ultérieur.

Pour répondre à l’évolution de Algorithmes d’IA, une croissance exponentielle des ressources informatiques est nécessaire. Le accélérateurs matériels basés sur des mémoires ils offrent une solution prometteuse pour résoudre des problèmes tels que l’efficacité énergétique et la latence des grands modèles d’IA. Cette approche élimine le transfert constant de données entre l’unité de traitement et la mémoire, comme cela se produit dans l’architecture de par Neumannconduisant ainsi à des économies significatives de temps et d’énergie.

Le memristor : la promesse d’une mémoire persistante et d’une informatique avancée.

Le memristor, considéré le quatrième élément de base des circuits électroniques avec le condensateur, la résistance et l’inductance, c’est un composant passif non linéaire. Il se comporte comme une résistance variable, modifiant sa résistance en fonction de la quantité et de la direction du courant qui le traverse. Cette fonctionnalité lui permet de conserver les informations même lorsqu’il n’est pas alimenté, garantissant une restauration immédiate de l’état précédent au redémarrage. Avec le déclin du système binaire, les mebristors offrent une capacité de calcul considérablement accrue, chaque composant étant capable de transmettre plusieurs signaux et de stocker des informations analogiques, à l’instar des processus synaptiques humains.

Leur capacité de mémorisation passe par commutation résistive, qui modifie la résistance électrique de l’appareil en réponse à la tension appliquée. Ce procédé permet l’écriture et la lecture des données stockées. De plus, la capacité des memristors à représenter l’état électronique au moyen de signaux analogiques ouvre la voie à un traitement de données plus large par rapport au système binaire traditionnel, générant ainsi de nouveaux types de mémoires pour des calculs plus puissants que les transistors conventionnels.

Résoudre les goulots d’étranglement des systèmes informatiques traditionnels

Le problème se résume aux goulots d’étranglement imposés par les systèmes informatiques traditionnels construits à l’aide de transistors, qui maintiennent leur mémoire et leurs unités de traitement séparées, nécessitant des transferts de données énergivores et dégradant les performances entre elles. Un inconvénient encore plus important est peut-être que leur mémoire nécessite une énergie constante pour stocker les informations, ce qui augmente encore la consommation d’énergie.

Pour résoudre ce problème, les chercheurs proposent l’alternative basée sur memristori.

Les memristors peuvent être utilisés pour créer des dispositifs stockant des données, car ils ont la capacité de réduire considérablement le temps et l’énergie nécessaires à la transmission entre la mémoire et les processeurs des puces traditionnelles. Ils pourraient être parfaits pour créer des réseaux de neurones, des systèmes d’intelligence artificielle pour traiter les analyses médicales et permettre des véhicules sans conducteur.

Le potentiel révolutionnaire des memristors en intelligence artificielle

Dans une étude publiée dans Recherche en physique avancéeles chercheurs ont étudié entraîner le réseau neuronal à l’aide d’une nouvelle conception de memristor qui stocke les informations dans un matériau unique composé de germanium, de tellure et d’antimoine.

Cette substance existe dans une phase amorphe, mais lorsqu’elle est exposée à un courant électrique et à un changement de température, elle présente des régions cristallines ordonnées. En fonction des propriétés de l’impulsion, telles que l’intensité et la forme du signal, le nombre et la taille de ces régions changent, influençant ainsi les propriétés électriques et optiques du matériau, qui sont conservées après l’interruption du courant. De cette manière, les informations peuvent être enregistrées dans le mémoire et lu par celui-ci en appliquant à plusieurs reprises un courant électrique.

Les chercheurs ont réussi à créer quinze étapes de cristallisation distinctes dans le memristor, chacune correspondant à des informations spécifiques pour entraîner le réseau neuronal. Essentiellement les scientifiques ont utilisé des memristors pour simuler un réseau neuronalqui reconnaissait les chiffres manuscrits avec une précision de plus de 96 %.

Cette précision représente une amélioration d’environ 5 % par rapport aux autres conceptions de memristors, ce qui indique une direction prometteuse pour ce type de technologie informatique. Mais il reste encore des obstacles importants à surmonter avant que cette technologie puisse être mise en œuvre dans des systèmes informatiques réels.

L’intégration et l’évolutivité du système posent des défis considérables. Cependant, les chercheurs gardent espoir, imaginant un avenir où les memristors joueront un rôle essentiel dans la formation de grands réseaux neuronaux. Doté de disques plus petits, plus puissants et nettement plus économes en énergie que les ordinateurs conventionnels.

Diplômé en Ingénierie Electronique de l’Université de Palerme