Processeur d’un nouveau genre, les memprocesseurs pourraient durablement changer nos vies en dopant le machine learning ou la robotique. Même si, pour l’instant, ils n’en sont qu’au stade de prototype.
Le couple processeur et mémoire vive, composé de deux entités distinctes, unit pour le meilleur et pour le pire pourrait bien avoir fait son temps. Des chercheurs des universités de San Diego et Turin viennent en effet de développer le premier prototype fonctionnel de « memordinateur ».
Un nouveau paradigme, une révolution
Selon l’article scientifique mis à disposition sur Science Advances, le memcomputing est un nouveau paradigme de calcul informatique différent de celui établi par Alan Turing. Il repose sur des « memprocesseurs » qui stocke et traite les données sur la même plate-forme physique…
Inspiré du fonctionnement du cerveau et plus précisément de la façon dont les informations neuronales sont traitées, l’informatique mem, ou memcomputing, recourt donc à des cellules de mémoire capables de stocker les données, comme la Ram, et de les traiter, comme un processeur. D’où leur nom, les memprocesseurs. Si le concept n’est pas nouveau, indiquent les chercheurs, c’est la première fois qu’un processeur fonctionnel de ce genre est produit.
Inspiré du fonctionnement du cerveau et plus précisément de la façon dont les informations neuronales sont traitées, l’informatique mem, ou memcomputing, recourt donc à des cellules de mémoire capables de stocker les données, comme la Ram, et de les traiter, comme un processeur. D’où leur nom, les memprocesseurs. Si le concept n’est pas nouveau, indiquent les chercheurs, c’est la première fois qu’un processeur fonctionnel de ce genre est produit.
Une arme pour le machine learning ?
Et le gain est a priori colossal à en croire Massimiliano Di Ventra, physicien et chercheur en informatique à l’université de San Diego : « Pour établir une comparaison rapide : notre cerveau consomme environ 20 watts pour opérer 10x16 opérations par seconde », explique-t-il, à Popular Mechanics. « Tandis qu’un supercalculateur demanderait environ 10 millions de fois plus de puissance pour faire le même nombre d’opérations ». On comprend alors que le paradigme du MEMcomputing a effectivement intérêt à s’inspirer du fonctionnement du cerveau humain. D’autant qu’une « grosse part de cette puissance est perdue en allers-retours de l’information entre le processeur et la mémoire », conclut-il.
Non seulement, le fait d’éviter les navettes entre mémoire et processeur économise de l’énergie mais pourrait également accélérer grandement les calculs soumis à ces processeurs. Massimiliano Di Ventra prend pour exemple une énorme base contenant des nombres pour laquelle on voudrait savoir combien d’entre eux s’additionnent pour donner le nombre 10.« C’est le genre de problèmes qu’on rencontre souvent de nos jours, dans le machine learning, la robotique, la planification ou l’optimisation », résume-t-il.
Non seulement, le fait d’éviter les navettes entre mémoire et processeur économise de l’énergie mais pourrait également accélérer grandement les calculs soumis à ces processeurs. Massimiliano Di Ventra prend pour exemple une énorme base contenant des nombres pour laquelle on voudrait savoir combien d’entre eux s’additionnent pour donner le nombre 10.« C’est le genre de problèmes qu’on rencontre souvent de nos jours, dans le machine learning, la robotique, la planification ou l’optimisation », résume-t-il.
0 commentaires:
Enregistrer un commentaire