Une nouvelle façon de résoudre les problèmes informatiques « les plus difficiles »

26-09-21 dujemi 0 comment

Un type d’informatique relativement nouveau qui imite le fonctionnement du cerveau humain transformait déjà la façon dont les scientifiques pouvaient s’attaquer à certains des problèmes de traitement de l’information les plus difficiles.

Maintenant, les chercheurs ont trouvé un moyen de faire fonctionner ce qu’on appelle le calcul de réservoir entre 33 et un million de fois plus rapidement, avec beaucoup moins de ressources informatiques et moins de données nécessaires.

En fait, dans un test de ce calcul de réservoir de nouvelle génération, les chercheurs ont résolu un problème informatique complexe en moins d’une seconde sur un ordinateur de bureau.

En utilisant la technologie de pointe désormais actuelle, le même problème nécessite un superordinateur à résoudre et prend encore beaucoup plus de temps, a déclaré Daniel Gauthier, auteur principal de l’étude et professeur de physique à l’Ohio State University.

Nous pouvons effectuer des tâches de traitement de l’information très complexes en une fraction du temps en utilisant beaucoup moins de ressources informatiques par rapport à ce que l’informatique de réservoir peut actuellement faire”, a déclaré Gauthier.

“Et le calcul des réservoirs était déjà une amélioration significative par rapport à ce qui était auparavant possible.”

L’étude a été publiée aujourd’hui (21 septembre 2021) dans la revue Nature Communications .

Le calcul de réservoir est un algorithme d’apprentissage automatique développé au début des années 2000 et utilisé pour résoudre les problèmes informatiques “les plus difficiles”, tels que la prévision de l’évolution des systèmes dynamiques qui changent au fil du temps, a déclaré Gauthier.

Les systèmes dynamiques, comme la météo, sont difficiles à prévoir car un seul petit changement dans une condition peut avoir des effets massifs sur toute la ligne, a-t-il déclaré.

Li atik sa a tou:  Comment prêter de l'argent à la famille et aux amis pour ne pas devenir ennemis?

Un exemple célèbre est “l’effet papillon”, dans lequel – dans une illustration métaphorique – les changements créés par un papillon battant des ailes peuvent éventuellement influencer la météo des semaines plus tard.

Des recherches antérieures ont montré que le calcul des réservoirs est bien adapté à l’apprentissage des systèmes dynamiques et peut fournir des prévisions précises sur la façon dont ils se comporteront à l’avenir, a déclaré Gauthier.

Il le fait grâce à l’utilisation d’un réseau de neurones artificiels, un peu comme un cerveau humain. Les scientifiques alimentent les données d’un réseau dynamique dans un “réservoir” de neurones artificiels connectés de manière aléatoire dans un réseau. Le réseau produit des résultats utiles que les scientifiques peuvent interpréter et réinjecter dans le réseau, créant ainsi une prévision de plus en plus précise de l’évolution future du système.

Plus le système est grand et complexe et plus les scientifiques veulent que les prévisions soient précises, plus le réseau de neurones artificiels doit être grand et plus il faut de ressources informatiques et de temps pour accomplir la tâche.

L’un des problèmes est que le réservoir de neurones artificiels est une “boîte noire”, a déclaré Gauthier, et les scientifiques ne savent pas exactement ce qui se passe à l’intérieur – ils savent seulement que cela fonctionne.

Les réseaux de neurones artificiels au cœur du calcul des réservoirs reposent sur les mathématiques, a expliqué Gauthier.

« Nous avons demandé à des mathématiciens d’examiner ces réseaux et de demander : Dans quelle mesure toutes ces pièces de la machinerie sont-elles vraiment nécessaires ? » », a-t-il déclaré.

Li atik sa a tou:  26 Avril 2022, 12e édition du Forum économique et Culturel Eurasiatique des jeunes en Russie. Haïti était au rendez-vous par le biais de deux de ses fils vêtus du bicolore bleu et rouge.

Dans cette étude, Gauthier et ses collègues se sont penchés sur cette question et ont découvert que l’ensemble du système informatique du réservoir pouvait être considérablement simplifié, réduisant considérablement le besoin de ressources informatiques et économisant un temps considérable.

Ils ont testé leur concept sur une tâche de prévision impliquant un système météorologique développé par Edward Lorenz, dont les travaux ont conduit à notre compréhension de l’effet papillon.

Leur calcul de réservoir de nouvelle génération était clairement un gagnant par rapport à l’état de l’art actuel sur cette tâche de prévision de Lorenz. Dans une simulation relativement simple effectuée sur un ordinateur de bureau, le nouveau système était 33 à 163 fois plus rapide que le modèle actuel.

Mais lorsque l’objectif était d’obtenir une grande précision dans les prévisions, le calcul du réservoir de nouvelle génération était environ 1 million de fois plus rapide. Et l’informatique de nouvelle génération a atteint la même précision avec l’équivalent de seulement 28 neurones, par rapport aux 4 000 nécessaires pour le modèle de génération actuelle, a déclaré Gauthier.

Une raison importante de l’accélération est que le “cerveau” derrière cette prochaine génération de calcul de réservoir a besoin de beaucoup moins d’échauffement et d’entraînement par rapport à la génération actuelle pour produire les mêmes résultats.

L’échauffement est une donnée d’entraînement qui doit être ajoutée en entrée dans l’ordinateur du réservoir pour le préparer à sa tâche réelle.

“Pour notre calcul de réservoir de prochaine génération, il n’y a presque pas de temps de réchauffement nécessaire”, a déclaré Gauthier.

“Actuellement, les scientifiques doivent mettre 1 000 ou 10 000 points de données ou plus pour le réchauffer. Et ce sont toutes les données qui sont perdues, qui ne sont pas nécessaires pour le travail réel. Nous n’avons qu’à mettre un ou deux ou trois points de données. ,” il a dit.

Li atik sa a tou:  Comprendre la 5G – L'épine dorsale de l'Internet industriel.

Et une fois que les chercheurs sont prêts à former l’ordinateur du réservoir pour faire la prévision, encore une fois, beaucoup moins de données sont nécessaires dans le système de nouvelle génération.

Dans leur test de la tâche de prévision de Lorenz, les chercheurs ont pu obtenir les mêmes résultats en utilisant 400 points de données que la génération actuelle produite en utilisant 5 000 points de données ou plus, selon la précision souhaitée.

“Ce qui est excitant, c’est que cette prochaine génération de calcul de réservoir prend ce qui était déjà très bon et le rend considérablement plus efficace”, a déclaré Gauthier.

Lui et ses collègues prévoient d’étendre ce travail pour s’attaquer à des problèmes informatiques encore plus difficiles, tels que la prévision de la dynamique des fluides.

“C’est un problème incroyablement difficile à résoudre. Nous voulons voir si nous pouvons accélérer le processus de résolution de ce problème en utilisant notre modèle simplifié de calcul de réservoir.”

Les co-auteurs de l’étude étaient Erik Bollt, professeur d’ingénierie électrique et informatique à l’Université Clarkson ; Aaron Griffith, qui a obtenu son doctorat en physique à l’Ohio State ; et Wendson Barbosa, chercheur postdoctoral en physique à l’Ohio State.

Le travail a été soutenu par l’US Air Force, l’Army Research Office et la Defense Advanced Research Projects Agency.

Partagez cet article


Home
Afilye
Opwesto
Blog