Des chercheurs de l'Université de Pékin dévoilent une architecture de calcul multi-physique qui multiplie par quatre la vitesse de traitement de la Transformée de Fourier.
Cette avancée, publiée dans Nature Electronics, promet d'accélérer significativement des domaines comme l'IA fondamentale, la conduite autonome et les interfaces cerveau-machine, en optimisant l'efficacité énergétique.
L'avancée de l'intelligence artificielle se heurte souvent à une limite bien tangible : la capacité des processeurs traditionnels à gérer des charges de travail toujours plus complexes.
Pourquoi la Transformée de Fourier est-elle un enjeu si crucial ?
Au cœur de nombreuses applications scientifiques et technologiques, de l'imagerie au traitement du son, se trouve un outil mathématique fondamental : la Transformée de Fourier.
Elle agit comme un traducteur universel, convertissant des signaux complexes en leurs composantes fréquentielles, plus simples à analyser. C'est une opération omniprésente mais coûteuse en ressources et un véritable goulot d'étranglement pour les architectures informatiques conventionnelles.
Accélérer ce processus sans sacrifier la précision ni faire exploser la consommation d'énergie est donc un objectif majeur pour la recherche. C'est précisément sur ce verrou que les scientifiques chinois ont concentré leurs efforts, cherchant à sortir des sentiers battus du calcul purement numérique pour explorer des voies alternatives.
Une architecture « multi-physique » pour démultiplier l'efficacité
L'innovation majeure de l'équipe de Pékin réside dans la création d'une architecture de calcul dite « multi-physique ». Plutôt que de tout confier à un seul type de paradigme de calcul, leur système intègre deux dispositifs inédits qui excellent dans la conversion de fréquence.
Cette approche hybride permet à chaque partie du calcul de s'exécuter dans son domaine physique optimal, que ce soit le courant électrique, la charge ou même la lumière.
Selon Tao Yaoyu, chercheur à l'Institut d'Intelligence Artificielle de l'université, ce système tire parti des avantages complémentaires des deux dispositifs pour la génération de fréquence, la modulation et le calcul en mémoire.
Le résultat est spectaculaire : la vitesse de calcul passe d'environ 130 milliards d'opérations par seconde à près de 500 milliards. C'est une amélioration de presque 400 % tout en maintenant la précision et en réduisant la consommation électrique.
Quelles sont les implications pour l'IA de demain ?
Un tel bond en avant en matière de performance matérielle ouvre des perspectives considérables. Les domaines les plus gourmands en calcul, comme le développement des modèles d'IA fondamentaux, pourraient en bénéficier directement.
L'intelligence incarnée, ou IA physique, qui vise à doter les robots de capacités cognitives avancées, dépend aussi de cette efficacité de traitement en temps réel.
D'autres secteurs de pointe sont également concernés, notamment la conduite autonome, qui requiert une analyse instantanée d'un flux massif de données sensorielles.
Les interfaces cerveau-machine ou les systèmes de communication de nouvelle génération pourraient également voir leur développement s'accélérer. En s'éloignant des conceptions de puces conventionnelles, cette recherche ouvre la voie à une nouvelle génération de matériel spécialisé, potentiellement capable de surmonter les obstacles énergétiques actuels et de soutenir l'évolution future de l'IA.