Des chercheurs des Sandia National Laboratories (SNL) ont démontré qu'un ordinateur neuromorphique, dont l'architecture s'inspire du cerveau humain, peut résoudre des équations différentielles partielles.
Cette percée ouvre la voie à des supercalculateurs ultra-efficaces énergétiquement, avec des implications majeures pour la sécurité nationale et la compréhension du cerveau lui-même.
La course à la puissance de calcul se heurte depuis des années à un mur énergétique. Les supercalculateurs actuels, bien que prodigieusement rapides, consomment des quantités d'énergie colossales pour effectuer des simulations complexes.
Dans ce contexte, une approche radicalement différente, l'informatique neuromorphique, commence à montrer un potentiel inattendu.
Un paradigme initialement sous-estimé
Pendant des décennies, le consensus scientifique a confiné les systèmes neuromorphiques à des applications spécifiques comme l'accélération des réseaux de neurones artificiels ou la reconnaissance de motifs.
Leur architecture, calquée sur le fonctionnement du cerveau humain, ne semblait pas adaptée à la rigueur des équations mathématiques pures.
Des chercheurs des Sandia National Laboratories (SNL) viennent de faire voler en éclats cette idée reçue, prouvant que ces systèmes ont bien plus à offrir.
Quand le cerveau inspire les mathématiques
L'équipe, menée par les neuroscientifiques Brad Theilman et Brad Aimone, a publié ses travaux dans la revue Nature Machine Intelligence. Ils y décrivent un nouvel algorithme permettant au matériel neuromorphique de résoudre des équations différentielles partielles (EDP).
Ces équations sont le socle de la modélisation scientifique moderne, de la prévision météorologique à la mécanique des fluides en passant par la simulation des champs électromagnétiques.
Des enjeux stratégiques et énergétiques
Pour la National Nuclear Security Administration (NNSA), qui supervise la dissuasion nucléaire américaine et a soutenu ces recherches, l'implication est directe. Les simulations nécessaires à sa mission sont extrêmement gourmandes en énergie.
Brad Theilman et Felix Wang, à l'origine de l'algorithme neuromorphique des SNL
L'informatique neuromorphique promet de fournir une puissance de calcul similaire, voire supérieure, pour une fraction du coût énergétique, remettant en perspective l'avenir des infrastructures de calcul à grande échelle.
Vers une meilleure compréhension du cerveau ?
Au-delà des applications pratiques, cette avancée jette une nouvelle lumière sur le fonctionnement de notre propre cerveau. L'algorithme développé présente des similitudes frappantes avec la structure et la dynamique des réseaux corticaux.
Brad Aimone va plus loin en suggérant que certaines maladies cérébrales, comme Alzheimer ou Parkinson, pourraient être des "maladies du calcul". Si cette intuition est juste, mieux comprendre comment un système neuromorphique artificiel réalise des calculs complexes pourrait offrir des pistes inédites pour appréhender et traiter ces pathologies.
La recherche n'en est qu'à ses balbutiements, mais elle ouvre déjà une porte fascinante sur les secrets de l'intelligence et du calcul biologique.
Les chercheurs de Sandia espèrent que leurs résultats encourageront une collaboration accrue entre mathématiciens, neuroscientifiques et ingénieurs. La question est désormais ouverte : si un algorithme mathématique fondamental peut être transposé avec succès, quelles autres techniques de calcul avancé pourraient suivre ?
Le chemin vers le premier supercalculateur neuromorphique est peut-être plus court qu'on ne l'imaginait.
