Les ondes radio permettent une IA économe en énergie sur les appareils périphériques sans matériel lourd.

Alors que des drones survolent les forêts, que des robots naviguent dans les entrepôts et que des capteurs surveillent les rues des villes, une part croissante des décisions mondiales est prise de manière autonome en périphérie du réseau, sur ces petits appareils qui collectent des informations aux extrémités de réseaux beaucoup plus vastes.

Mais la transition vers l'informatique de périphérie est plus complexe qu'il n'y paraît. Bien que les modèles d'intelligence artificielle (IA) soient de plus en plus volumineux et performants, le matériel embarqué reste minuscule.

Les ingénieurs ont généralement deux options, mais aucune n'est idéale. Stocker un modèle d'IA complet sur l'appareil exige une quantité importante de mémoire, des transferts de données et une puissance de calcul conséquente qui épuise la batterie. Décharger le modèle dans le cloud permet de s'affranchir de ces contraintes matérielles, mais les allers-retours induisent une latence, consomment de l'énergie et présentent des risques de sécurité.

Des chercheurs de l'université Duke explorent une troisième option, appelée réseaux WISE (Wireless Smart Edge Networks), qui s'affranchit des limitations des deux approches précédentes. Ils ont démontré que les poids importants des modèles d'IA peuvent être intelligemment intégrés sous forme d'ondes radio transmises par voie hertzienne entre les appareils et les stations de base à proximité, ouvrant ainsi la voie à une IA de périphérie écoénergétique sans les coûts habituels en termes d'énergie, de vitesse ou d'encombrement.

Ce travail, publié en ligne dans Science Advances le 9 janvier, est dirigé par Tingjun Chen, professeur adjoint de génie électrique et informatique chez Nortel Networks, en collaboration avec l'équipe de Dirk Englund au Laboratoire de recherche en électronique (RLE) du MIT.

Au cœur de cette approche se trouve un concept appelé calcul analogique en physique.

L'informatique numérique traditionnelle utilise le code binaire. Les appareils convertissent les données en 0 et en 1, transfèrent ces bits vers un processeur numérique et effectuent de longues séquences d'opérations mathématiques. Même une tâche simple comme le déverrouillage d'un téléphone par biométrie déclenche une série rapide de calculs. Ce système est fiable, mais peu efficace pour les petits appareils alimentés par batterie.

Le calcul physique fonctionne différemment. Au lieu de transférer des 0 et des 1 d'un périphérique à un processeur distant, le comportement naturel des ondes radio effectue une partie des calculs en cours de route.

Dans WISE, une station de base stocke le modèle d'IA complet et diffuse un signal radiofréquence (RF) qui encode les valeurs de pondération du modèle – les nombres nécessaires aux calculs. Lorsque le signal atteint un appareil à proximité, le matériel radio de cet appareil mélange le signal diffusé avec ses propres données d'entrée, capables d'effectuer des calculs directement dans le domaine RF ou analogique. Un exemple est un mélangeur de fréquence passif qui « approxime » la multiplication de deux signaux RF temporels. Ce processus de mélange analogique, réalisé directement au niveau RF, constitue une étape clé de la plupart des modèles d'apprentissage profond, sans nécessiter de processeur numérique.

« Nous tirons parti des capacités de calcul que nous offrent déjà les composants électroniques miniaturisés courants », a déclaré Chen. « Au lieu d'exécuter chaque étape du modèle sur une puce conçue pour le calcul numérique, les ondes radio elles-mêmes contribuent à transporter l'information d'une manière optimisée pour le calcul. »

Comme l'appareil ne stocke pas l'intégralité du modèle ni ne l'exécute numériquement, il s'affranchit des coûts importants en matière de mémoire et d'énergie qui limitent aujourd'hui l'IA embarquée.

Zhihui Gao, doctorant au sein du laboratoire de Chen et auteur principal de l'article, a déclaré que cette idée pourrait bénéficier à de nombreux types d'appareils. Drones, caméras et capteurs de trafic génèrent tous des données en continu, mais peinent à exécuter les modèles avancés nécessaires à leur interprétation.

« La technologie évolue vers des appareils plus petits et plus performants que jamais », a déclaré Gao. « Pour y parvenir, nous devons réaliser de nouvelles avancées en matière d'informatique de périphérie. Avec WISE, nous avons démontré comment les appareils peuvent exploiter une IA puissante sans nécessiter de puces lourdes ni de serveurs distants. »

Gao a souligné un autre avantage de WISE : sa capacité à exploiter l’infrastructure existante. Les stations de base 5G, les routeurs 6G émergents et les routeurs Wi-Fi déjà en place pourraient être adaptés pour diffuser ces modèles d’IA moyennant des modifications relativement mineures. De plus, les appareils sans fil courants intègrent déjà le matériel nécessaire, comme les mélangeurs de fréquences, pour effectuer les calculs physiques.

« Nous n'ajoutons pas de composants exotiques ni ne créons de matériel entièrement nouveau », a déclaré Gao. « Nous réutilisons des fonctionnalités largement déployées et qui ne consomment pas d'énergie supplémentaire. »

Lors d'expériences, WISE a atteint une précision de classification d'images de près de 96 % tout en consommant plus d'un ordre de grandeur d'énergie en moins que les principaux processeurs numériques.

Bien que prometteuse, WISE n'en est qu'à ses débuts. Le prototype actuel fonctionne sur de courtes distances, mais des tests à plus longue portée nécessiteraient une transmission plus puissante ou une intégration avec des équipements sans fil de nouvelle génération. Par ailleurs, malgré la flexibilité de l'approche, la diffusion simultanée de plusieurs modèles d'IA exigerait un multiplexage efficace des ressources temps-fréquence-espace ou une bande passante spectrale supplémentaire.

Malgré tout, les chercheurs entrevoient un vaste potentiel d'applications. Une seule station de base pourrait prendre en charge un essaim de drones lors d'une mission de recherche et de sauvetage ou aider les caméras de circulation à coordonner les feux de signalisation aux intersections.

« Il s’agit d’une nouvelle étape dans l’avènement des technologies sans fil, qui deviendront aussi performantes que les technologies filaires », a déclaré Chen. « Au-delà de la simple transmission de données et d’informations, ces découvertes ouvrent une nouvelle voie : les futurs réseaux pourront distribuer l’intelligence en combinant communication et calcul afin de permettre une IA de périphérie écoénergétique à grande échelle. »

https://pratt.duke.edu/news/using-the-physics-of-radio-waves-to-empower-smarter-edge-devices/