Des chercheurs ont démontré que l'intelligence artificielle peut être réalisée à l'aide de petits nanoaimants qui interagissent comme des neurones dans le cerveau.
Des chercheurs ont montré qu'il est possible de réaliser une intelligence artificielle à l'aide de minuscules nanoaimants qui interagissent comme des neurones dans le cerveau.
La nouvelle technologie, développée par une équipe dirigée par des chercheurs de l'Imperial College de Londres, pourrait réduire considérablement le coût énergétique de l'intelligence artificielle (IA), qui double actuellement à l'échelle mondiale tous les 3,5 mois.
Dans un article publié aujourd'hui (5 mai 2022) dans la revue Nature Nanotechnology, l'équipe internationale a produit la première preuve que des réseaux de nanoaimants peuvent être utilisés pour effectuer un traitement de type IA. Les chercheurs ont montré que les nano-aimants peuvent être utilisés pour des tâches de "prédiction de séries chronologiques", telles que la prédiction et la régulation des niveaux d'insuline chez les patients diabétiques.
L'intelligence artificielle qui utilise les "réseaux de neurones" vise à reproduire le fonctionnement de certaines parties du cerveau, où les neurones communiquent entre eux pour traiter et conserver les informations. Une grande partie des mathématiques utilisées pour alimenter les réseaux de neurones ont été inventées à l'origine par des physiciens pour décrire la façon dont les aimants interagissent, mais à l'époque, il était trop difficile d'utiliser directement des aimants car les chercheurs ne savaient pas comment insérer des données et obtenir des informations.
Au lieu de cela, un logiciel exécuté sur des ordinateurs traditionnels à base de silicium a été utilisé pour simuler les interactions magnétiques, simulant à leur tour le cerveau. Désormais, l'équipe a pu utiliser les aimants eux-mêmes pour traiter et stocker des données, éliminant ainsi l'intermédiaire de la simulation logicielle et offrant potentiellement d'énormes économies d'énergie.
États nanomagnétiques
Les nanoaimants peuvent se présenter dans différents "états", en fonction de leur direction. L'application d'un champ magnétique à un réseau de nano-aimants modifie l'état des aimants en fonction des propriétés du champ d'entrée, mais également des états des aimants environnants.
L'équipe, dirigée par des chercheurs du département impérial de physique, a ensuite été en mesure de concevoir une technique pour compter le nombre d'aimants dans chaque état une fois le champ traversé, donnant la "réponse".
Le co-premier auteur de l'étude, le Dr Jack Gartside, a déclaré : "Nous essayons depuis longtemps de résoudre le problème de la manière de saisir des données, de poser une question et d'obtenir une réponse à partir de l'informatique magnétique. Maintenant que nous avons prouvé que cela peut être fait, cela ouvre la voie à l'élimination du logiciel informatique qui effectue la simulation énergivore.
Le co-premier auteur Kilian Stenning a ajouté : "La façon dont les aimants interagissent nous donne toutes les informations dont nous avons besoin ; les lois de la physique elles-mêmes deviennent l'ordinateur.
Le chef d'équipe, le Dr Will Branford, a déclaré : "Ce fut un objectif à long terme de réaliser du matériel informatique inspiré des algorithmes logiciels de Sherrington et Kirkpatrick. Il n'était pas possible d'utiliser les spins sur les atomes dans les aimants conventionnels, mais en augmentant les spins dans des réseaux à nano-motifs, nous avons pu obtenir le contrôle et la lecture nécessaires.
Réduire les coûts énergétiques
L'intelligence artificielle est désormais utilisée dans divers contextes, de la reconnaissance vocale aux voitures autonomes. Mais entraîner l'IA à effectuer même des tâches relativement simples peut nécessiter d'énormes quantités d'énergie. Par exemple, entraîner l'IA à résoudre un Rubik's cube a nécessité l'équivalent énergétique de deux centrales nucléaires fonctionnant pendant une heure.
Une grande partie de l'énergie utilisée pour y parvenir dans les ordinateurs conventionnels à puce de silicium est gaspillée dans le transport inefficace d'électrons pendant le traitement et le stockage en mémoire. Cependant, les nano-aimants ne reposent pas sur le transport physique de particules comme les électrons, mais traitent et transfèrent plutôt des informations sous la forme d'une onde "magnon", où chaque aimant affecte l'état des aimants voisins.
Cela signifie que beaucoup moins d'énergie est perdue et que le traitement et le stockage des informations peuvent être effectués ensemble, plutôt que d'être des processus séparés comme dans les ordinateurs conventionnels. Cette innovation pourrait rendre l'informatique nanomagnétique jusqu'à 100 000 fois plus efficace que l'informatique conventionnelle.
L'IA à la périphérie
L'équipe enseignera ensuite le système à l'aide de données du monde réel, telles que les signaux ECG, et espère en faire un véritable appareil informatique. À terme, des systèmes magnétiques pourraient être intégrés dans des ordinateurs conventionnels pour améliorer l'efficacité énergétique des tâches de traitement intenses.
Leur efficacité énergétique signifie également qu'ils pourraient être alimentés par des énergies renouvelables et utilisés pour faire de l'« IA à la périphérie », c'est-à-dire traiter les données là où elles sont collectées, comme les stations météorologiques en Antarctique, plutôt que de les renvoyer à grands centres de données.
Cela signifie également qu'ils pourraient être utilisés sur des appareils portables pour traiter des données biométriques sur le corps, telles que la prédiction et la régulation des niveaux d'insuline pour les personnes diabétiques ou la détection de battements cardiaques anormaux.
Référence : "Entraînement reconfigurable et calcul de réservoir dans une glace artificielle de vortex de spin via l'empreinte digitale des ondes de spin" par Jack C. Gartside, Kilian D. Stenning, Alex Vanstone, Holly H. Holder, Daan M. Arroo, Troy Dion , Francesco Caravelli, Hidekazu Kurebayashi et Will R. Branford, 5 mai 2022, Nanotechnologie de la nature.
DOI : 10.1038/s41565-022-01091-7
