Les systèmes de réseaux neuronaux photoniques, rapides et économes en énergie, sont particulièrement utiles pour traiter de grandes quantités de données. Pour faire progresser les technologies informatiques photoniques de type cerveau, un groupe de chercheurs de l’Université de Strathclyde a combiné un réseau neuronal basé sur des pointes avec un laser semi-conducteur qui présente des comportements neuronaux de pointe.

Récemment, ils ont présenté un fonctionnement de réseau neuronal à pointe photonique haute performance avec des exigences de formation réduites et ont introduit un nouveau programme de formation pour obtenir de meilleurs résultats. Cette recherche a été publiée dans Informatique intelligente.

Les réseaux de neurones, inspirés des réseaux de neurones biologiques, ont révolutionné l'intelligence artificielle en apportant des solutions efficaces à des tâches complexes. Pour libérer davantage leur potentiel, les chercheurs ont intégré d’autres technologies dans des réseaux de neurones artificiels et ont connu un certain succès.

Un exemple réussi des avantages de l’utilisation de la lumière est que les systèmes de réseaux neuronaux photoniques ou basés sur la lumière fonctionnent avec une vitesse plus rapide et une meilleure efficacité énergétique, ce qui les rend particulièrement utiles pour traiter de grandes quantités de données et prometteurs pour les futures applications d’intelligence artificielle.

Le réseau neuronal à pointe proposé par les auteurs est basé sur un système photonique convivial composé d'un seul laser à émission de surface à cavité verticale, un dispositif couramment disponible dans les téléphones mobiles. Cette proposition représente une amélioration par rapport à une étude antérieure des mêmes auteurs dans laquelle ils combinaient le calcul de réservoir, une méthode puissante pour construire des réseaux de neurones photoniques et s'attaquer à des tâches complexes, avec un neurone à pointe neuromorphique construit à l'aide d'un laser du même type.

Dans le présent article, les auteurs ont accompli une tâche de classification plus difficile et ont appliqué un programme de formation alternatif pour améliorer la rapidité et l'efficacité de la formation tout en réduisant les exigences de formation.

La tâche de classification à laquelle ils se sont attaqués est un problème très complexe, multivarié et non linéaire impliquant 500 caractéristiques par point de données, et est basé sur l'ensemble de données artificielles MADELON. Pour créer le réseau neuronal de pointe, les auteurs ont utilisé une configuration expérimentale qui combine la dynamique de pointe non linéaire du laser avec une architecture inspirée du calcul de réservoir.

Dans cette architecture, les données d'entrée sont multiplexées dans le temps, c'est-à-dire divisées en différents créneaux temporels. Chaque créneau horaire représente un neurone virtuel dans le réseau neuronal. Les données d'entrée sont injectées et traitées par le laser, et la sortie est interprétée comme une sortie de nœud binaire, avec ou sans pointe, selon que les données d'entrée dépassent ou non un certain seuil.

Les auteurs ont démontré avec succès la puissance de calcul du réseau neuronal à pointe photonique avec à la fois une méthode traditionnelle de formation par régression par les moindres carrés et leur méthode de formation de « signification » nouvellement proposée. Ce dernier attribue des poids binaires aux nœuds en fonction de leur utilité et de leur importance globales.

Les deux méthodes ont atteint d’excellentes précisions de classification de plus de 94 %, dépassant les performances de référence en une fraction du temps de traitement. Les précisions obtenues grâce à la nouvelle méthode étaient de 94,4 % et 95,7 %, supérieures à celles obtenues par la méthode traditionnelle. Le réseau neuronal de pointe formé à l’aide de la nouvelle méthode a atteint des performances exceptionnelles avec de petits ensembles de formation comportant moins de 10 points de données.

En conclusion, le réseau neuronal à pointe photonique proposé surpasse les systèmes de traitement de semi-conducteurs numériques traditionnels avec ses performances ultrarapides, sa faible consommation d'énergie et sa mise en œuvre conviviale qui utilise un seul laser pour traiter tous les nœuds virtuels. Les auteurs pensent que cette étude pourrait créer de nouvelles possibilités pour les systèmes de traitement photoniques fonctionnant entièrement sur du matériel optique, leur permettant d’aborder des tâches très complexes avec une grande précision, une vitesse élevée et un fonctionnement économe en énergie.

Fourni par l'informatique intelligente