Une nouvelle puce basée sur la lumière multiplie par 100 l'efficacité énergétique des tâches d'IA

Des chercheurs ont développé une puce de silicium qui utilise la lumière avec l'électricité pour effectuer des opérations de convolution pour l'IA, réduisant considérablement la consommation d'énergie et augmentant la vitesse

Les systèmes d'intelligence artificielle (IA) occupent une place de plus en plus centrale dans la technologie, alimentant de nombreux domaines, de la reconnaissance faciale à la traduction. Mais à mesure que les modèles d'IA se complexifient, ils consomment d'importantes quantités d'électricité, ce qui pose des défis en matière d'efficacité énergétique et de durabilité. Une nouvelle puce développée par des chercheurs de l'Université de Floride pourrait contribuer à résoudre ce problème en utilisant la lumière, plutôt que la seule électricité, pour effectuer l'une des tâches les plus énergivores de l'IA. Leurs recherches sont présentées dans Advanced Photonics .

La puce est conçue pour effectuer des opérations de convolution, une fonction essentielle de l'apprentissage automatique qui permet aux systèmes d'IA de détecter des motifs dans les images, les vidéos et le texte. Ces opérations nécessitent généralement une puissance de calcul importante. En intégrant des composants optiques directement sur une puce de silicium, les chercheurs ont créé un système qui effectue des convolutions à l'aide de lumière laser et de lentilles microscopiques, réduisant ainsi considérablement la consommation d'énergie et accélérant le traitement.

« Réaliser un calcul clé d'apprentissage automatique à une énergie proche de zéro représente un bond en avant pour les futurs systèmes d'IA », a déclaré Volker J. Sorger , responsable de l'étude et professeur titulaire de la chaire Rhines en photonique des semi-conducteurs à l'Université de Floride. « C'est essentiel pour continuer à développer les capacités de l'IA dans les années à venir. »

Lors des tests, le prototype de puce a classé les chiffres manuscrits avec une précision d'environ 98 %, comparable à celle des puces électroniques traditionnelles. Le système utilise deux jeux de lentilles de Fresnel miniatures – des versions plates et ultrafines des lentilles des phares – fabriquées selon les techniques standard de fabrication des semi-conducteurs. Ces lentilles, plus fines qu'un cheveu humain, sont gravées directement sur la puce.

Pour réaliser une convolution, les données d'apprentissage automatique sont d'abord converties en lumière laser sur la puce. Cette lumière traverse les lentilles de Fresnel, qui effectuent la transformation mathématique. Le résultat est ensuite reconverti en signal numérique pour compléter la tâche d'IA.

Techniques de convolution pJTC. (a) Comparaison de la convolution spatiale, de la convolution électrique de Fourier et de la convolution optique de Fourier en termes de complexité de calcul. (b) Schéma d'un JTC, démontrant comment il effectue la convolution optique de Fourier en générant optiquement la transformée de Fourier du signal d'entrée et du noyau combinés, en détectant le modèle d'intensité et en produisant l'auto- et la corrélation croisée entre le signal et le noyau. (c) Image de microscope optique du chiplet SiPh fabriqué par AIM Photonics. (d) Comparaison de l'image MNIST initiale (ligne verte), de la sortie après une transformée de Fourier idéale (ligne bleue), de la sortie après la transformée de Fourier réelle de la lentille sur puce (ligne jaune) et de la sortie calibrée obtenue à partir de la lentille sur puce réelle après application d'une correction de phase (ligne rose). (e) La matrice de confusion montre la précision de classification pour 10 000 images MNIST de test avec un retard temporel aléatoire de 10 pour cent introduit dans le signal électrique d'entrée, atteignant une précision totale de 95,3 pour cent. Crédit : H. Yang et al., doi 10.1117/1.AP.7.5.056007

« C'est la première fois que quelqu'un met ce type de calcul optique sur une puce et l'applique à un réseau neuronal d'IA », a déclaré Hangbo Yang , professeur associé de recherche dans le groupe de Sorger à l'UF et co-auteur de l'étude.

L'équipe a également démontré que la puce pouvait traiter plusieurs flux de données simultanément grâce à des lasers de différentes couleurs, une technique appelée multiplexage en longueur d'onde. « Nous pouvons faire passer simultanément plusieurs longueurs d'onde, ou couleurs, de lumière à travers la lentille », a expliqué Yang. « C'est un avantage clé de la photonique. »

La recherche a été menée en collaboration avec le Florida Semiconductor Institute , l'UCLA et l'Université George Washington . Sorger a souligné que les fabricants de puces comme NVIDIA utilisent déjà des éléments optiques dans certaines parties de leurs systèmes d'IA, ce qui pourrait faciliter l'intégration de cette nouvelle technologie.

« Dans un avenir proche, l'optique sur puce deviendra un élément clé de chaque puce d'IA que nous utilisons au quotidien », a déclaré Sorger. « Et l'informatique optique sur IA est la prochaine étape. »

https://spie.org/news/new-light-based-chip-boosts-power-efficiency-of-ai-tasks-100-fold