Révolutionner l’intelligence artificielle grâce à la lumière

11 janvier 2021 | Audrey-Maude Vézina

Mise à jour : 14 janvier 2021

Une équipe internationale de recherche, dont fait partie le professeur Roberto Morandotti de l’Institut national de la recherche scientifique (INRS), a présenté, dans la prestigieuse revue Nature, un nouveau processeur photonique qui pourrait révolutionner l’intelligence artificielle.

Les réseaux de neurones artificiels suscitent un grand intérêt pour les tâches d’apprentissage par les machines, telles que la reconnaissance de la parole et le diagnostic médical. Actuellement, les composantes informatiques électroniques (hardware) approchent de la limite de leurs capacités, mais la demande pour une plus grande puissance de calcul ne cesse de croître.

L’équipe de recherche s’est tournée vers les photons plutôt que vers les électrons pour transporter l’information à la vitesse de la lumière. Non seulement les photons peuvent traiter l’information beaucoup plus rapidement que les électrons, mais ils sont à la base de l’Internet actuel, où il est important d’éviter les goulots d’étranglement électronique (conversion d’un signal optique en signal électronique, et vice versa).


Augmentation de la vitesse de calcul

Le réseau neuronal optique proposé est capable de reconnaître et de traiter des données et des images à grande échelle et à des vitesses de calcul ultra élevées, au-delà de dix mille milliards d’opérations par seconde. Le professeur Morandotti, expert en photonique intégrée, explique comment un peigne de fréquences optiques, une source de lumière composée de nombreux modes de fréquences équidistants, a été intégré dans une puce informatique et utilisé comme source d’énergie efficace pour le calcul optique.

Ce dispositif effectue un type de multiplication matrice-vecteur, aussi connu sous le nom convolution, pour les applications de traitement d’images. Il est également prometteur pour les tâches d’apprentissage pour les machines à données massives en temps réel, comme l’identification de visages dans les caméras ou encore l’identification de pathologies dans les applications de balayage clinique. Cette approche est évolutive et peut être adaptée à des réseaux beaucoup plus complexes pour des applications exigeantes telles que les véhicules sans conducteur et la reconnaissance vidéo en direct, ce qui permettra, dans un avenir rapproché, une intégration complète avec le futur Internet des objets.


À propos de l’étude

L’article « 11 TOPS photonic convolutional accelerator for optical neural networks », par Xingyuan Xu, Mengxi Tan, Bill Corcoran, Jiayang Wu, Andreas Boes, Thach G. Nguyen, Sai T. Chu, Brent E. Little, Damien G. Hicks, Roberto Morandotti, Arnan Mitchell et David J. Moss, a été publié le 6 janvier 2021 dans la revue Nature.