Les chercheurs ont développé un nouveau type de cellule mémoire capable à la fois de stocker des informations et d’effectuer des calculs à grande vitesse et à haut rendement.
La cellule mémoire permet aux utilisateurs d’exécuter des calculs à grande vitesse à l’intérieur de la matrice mémoire, ont rapporté les chercheurs le 23 octobre dans la revue Photonique naturelle. Les vitesses de traitement plus rapides et la faible consommation d’énergie pourraient contribuer à faire évoluer les centres de données pour intelligence artificielle (IA).
« Beaucoup de puissance et beaucoup d’énergie sont consacrées à la mise à l’échelle des centres de données ou des fermes informatiques dotées de milliers de GPU (unités de traitement graphique) fonctionnant simultanément », co-auteur de l’étude. Nathan Youngbloodingénieur électricien et informatique à l’Université de Pittsburgh, a déclaré à Live Science. « Et la solution n’a pas nécessairement été de rendre les choses plus efficaces. Il s’agit simplement d’acheter de plus en plus de GPU et de dépenser de plus en plus d’énergie. Donc, si l’optique peut résoudre certains des mêmes problèmes et le faire plus efficacement et plus rapidement, cela nous espérons qu’il en résultera une consommation d’énergie réduite et des systèmes d’apprentissage automatique à plus haut débit. »
La nouvelle cellule utilise des champs magnétiques pour diriger un signal lumineux entrant dans le sens horaire ou antihoraire à travers un résonateur en forme d’anneau, un composant qui intensifie la lumière de certaines longueurs d’onde, et vers l’un des deux ports de sortie. En fonction de l’intensité de la lumière au niveau de chacun des ports de sortie, la cellule mémoire peut coder un nombre compris entre zéro et un, ou entre zéro et moins un. Contrairement aux cellules de mémoire traditionnelles, qui codent uniquement des valeurs de zéro ou un sur un bit d’information, la nouvelle cellule peut coder plusieurs valeurs non entières, lui permettant de stocker jusqu’à 3,5 bits par cellule.
Ces signaux lumineux dans le sens inverse des aiguilles d’une montre et dans le sens des aiguilles d’une montre s’apparentent à « deux coureurs sur une piste qui courent dans des directions opposées autour de la piste, et le vent est toujours face à l’un et derrière l’autre. L’un peut aller plus vite que l’autre ». « , a déclaré Youngblood. » Vous comparez la vitesse à laquelle ces deux coureurs courent sur la piste, et cela vous permet essentiellement de coder des nombres positifs et négatifs. «
Les chiffres résultant de cette course autour du résonateur en anneau pourraient être utilisés pour renforcer ou affaiblir les connexions entre les nœuds des réseaux de neurones artificiels, qui sont des algorithmes d’apprentissage automatique qui traitent les données de manière similaire au cerveau humain. Cela pourrait par exemple aider le réseau neuronal à identifier les objets dans une image, a déclaré Youngblood.
Contrairement aux ordinateurs traditionnels, qui effectuent des calculs dans une unité centrale puis envoient les résultats en mémoire, les nouvelles cellules mémoire effectuent des calculs à grande vitesse à l’intérieur de la matrice mémoire elle-même. L’informatique en mémoire est particulièrement utile pour des applications telles que l’intelligence artificielle qui doivent traiter très rapidement un grand nombre de données, a déclaré Youngblood.
Les chercheurs ont également démontré l’endurance des cellules magnéto-optiques. Ils ont exécuté plus de 2 milliards de cycles d’écriture et d’effacement sur les cellules sans observer aucune dégradation des performances, ce qui représente une amélioration de 1 000 fois par rapport aux technologies de mémoire photonique précédentes, ont écrit les chercheurs. Les lecteurs flash classiques sont limités à entre 10 000 et 100 000 écritures et effacements. cycles, a déclaré Youngblood.
À l’avenir, Youngblood et ses collègues espèrent placer plusieurs cellules sur une puce informatique et tenter des calculs plus avancés.
À terme, cette technologie pourrait contribuer à réduire la quantité d’énergie nécessaire au fonctionnement des systèmes d’intelligence artificielle, a déclaré Youngblood.
