Notebookcheck Logo

Une nouvelle cellule de mémoire basée sur la lumière stocke et traite les données avec une durabilité 1000 fois supérieure

Des chercheurs mettent au point une nouvelle cellule de mémoire pour l'informatique de l'IA de la prochaine génération (Source de l'image : Tyler Daviaux, Unsplash)
Des chercheurs mettent au point une nouvelle cellule de mémoire pour l'informatique de l'IA de la prochaine génération (Source de l'image : Tyler Daviaux, Unsplash)
Des scientifiques ont mis au point une cellule de mémoire qui combine le stockage et le calcul en utilisant la lumière et les champs magnétiques. La durabilité du dispositif est 1 000 fois supérieure à celle des technologies précédentes et il peut stocker plusieurs valeurs par cellule, ce qui pourrait révolutionner la manière dont les systèmes d'intelligence artificielle traitent les informations tout en réduisant la consommation d'énergie.

Des recherches récentes ont permis de mettre au point un nouveau type de cellule mémoire capable à la fois de stocker des informations et d'effectuer des calculs ultrarapides. Cette avancée, décrite dans le site Nature Photonicspourrait permettre un traitement plus rapide et plus efficace de l'intelligence artificielle tout en réduisant la consommation d'énergie dans les centres de données.

Cette cellule de mémoire fonctionne en utilisant des champs magnétiques pour diriger les signaux lumineux à travers un résonateur en forme d'anneau. Cette partie amplifie des longueurs d'onde lumineuses spécifiques, les envoyant dans le sens des aiguilles d'une montre ou dans le sens inverse vers des ports de sortie spécifiques. La luminosité de la lumière à chaque port code des valeurs telles que zéro et un - ou même zéro et moins un.

Les cellules de mémoire traditionnelles stockent généralement les informations sous forme de simples zéros ou de simples uns, mais cette nouvelle conception peut stocker plusieurs valeurs non entières, en gérant jusqu'à 3,5 bits par cellule. C'est comme si deux coureurs parcouraient une piste dans des directions opposées, les facteurs environnementaux modifiant leurs vitesses relatives et la différence utilisée pour coder les nombres positifs ou négatifs.

Ces valeurs codées jouent un rôle clé dans les réseaux neuronaux artificiels, en aidant à renforcer ou à affaiblir les connexions entre les nœuds. Cela est particulièrement utile dans des tâches telles que la reconnaissance d'images, où les réseaux neuronaux interprètent les données visuelles en utilisant des processus qui fonctionnent un peu comme le cerveau humain.

L'un des principaux avantages de cette technologie est son efficacité. Les ordinateurs classiques séparent le stockage et le calcul : ils traitent les chiffres dans l'unité centrale avant d'enregistrer les résultats dans la mémoire. Mais cette nouvelle cellule effectue des calculs à grande vitesse à l'intérieur même de la mémoire, ce qui représente un énorme avantage pour les applications d'intelligence artificielle qui doivent traiter des données rapidement.

L'équipe de recherche a soumis sa conception à des tests rigoureux et a prouvé qu'elle pouvait supporter plus de deux milliards de cycles d'écriture et d'effacement sans baisse de performance. Cette durabilité est mille fois supérieure à celle des précédentes technologies de mémoire photonique. À titre de comparaison, les lecteurs flash typiques peuvent généralement supporter entre 10 000 et 100 000 de ces cycles.

À l'avenir, l'équipe souhaite ajouter davantage de cellules aux puces électroniques et explorer des calculs encore plus complexes. Cette technologie pourrait réduire les besoins en énergie des systèmes d'intelligence artificielle et contribuer à rendre l'informatique plus efficace.

Source(s)

Nature (en anglais)

Please share our article, every link counts!
Mail Logo
> Revues et rapports de ordinateurs portatifs et smartphones, ordiphones > Archives des nouvelles 2024 11 > Une nouvelle cellule de mémoire basée sur la lumière stocke et traite les données avec une durabilité 1000 fois supérieure
Nathan Ali, 2024-11- 3 (Update: 2024-11- 3)