Les ordinateurs neuromorphiques, inspirés par l’architecture du cerveau humain, s’avèrent étonnamment habiles à résoudre des problèmes mathématiques complexes qui sous-tendent les défis scientifiques et techniques.
Dans un article publié dans Nature Machine Intelligence, les neuroscientifiques computationnels des Sandia National Laboratories, Brad Theilman et Brad Aimone, décrivent un nouvel algorithme qui permet au matériel neuromorphique de s’attaquer aux équations aux dérivées partielles, ou EDP — le fondement mathématique de la modélisation de phénomènes tels que la dynamique des fluides, les champs électromagnétiques et la mécanique des structures.
Les résultats montrent que le calcul neuromorphique peut non seulement gérer ces équations, mais le faire avec une efficacité remarquable. Ces travaux pourraient ouvrir la voie au premier supercalculateur neuromorphique au monde, révolutionnant potentiellement le calcul écoénergétique pour les applications de sécurité nationale et au-delà.
La recherche a été soutenue par le Bureau des sciences du Département de l’Énergie à travers les programmes de recherche en calcul scientifique avancé et en sciences fondamentales de l’énergie, et par le programme de simulation et de calcul avancés de l’Administration nationale de la sécurité nucléaire.
Une approche de calcul scientifique inspirée du cerveau
Les équations aux dérivées partielles sont essentielles pour simuler des systèmes réels, de la prévision des conditions météorologiques à la modélisation du comportement des matériaux sous contrainte. Traditionnellement, la résolution des EDP nécessite d’immenses ressources informatiques. Les ordinateurs neuromorphiques, cependant, offrent une approche fondamentalement différente qui ressemble davantage à la façon dont le cerveau traite l’information.
« Nous commençons tout juste à avoir des systèmes de calcul capables d’exhiber un comportement de type intelligent. Mais ils ne ressemblent en rien au cerveau, et la quantité de ressources qu’ils nécessitent est ridicule, franchement », a déclaré Theilman.
Pendant des décennies, les experts ont cru que les ordinateurs neuromorphiques étaient surtout adaptés à des tâches comme la reconnaissance de motifs ou l’accélération des réseaux de neurones artificiels. On ne s’attendait pas à ce que ces systèmes excellent dans la résolution de problèmes mathématiques rigoureux comme les EDP, généralement traitées par des supercalculateurs traditionnels.
Mais pour Aimone et Theilman, les résultats n’étaient pas surprenants. Les chercheurs pensent que le cerveau lui-même effectue en permanence des calculs complexes, même si nous n’en avons pas conscience.
« Prenez n’importe quelle tâche de contrôle moteur — comme frapper une balle de tennis ou balancer une batte de baseball », a expliqué Aimone. « Ce sont des calculs très sophistiqués. Ce sont des problèmes de niveau exascale que nos cerveaux sont capables de résoudre à très faible coût. »
L’efficacité énergétique au service de la sécurité nationale
Les implications de cette recherche sont particulièrement importantes pour l’Administration nationale de la sécurité nucléaire, qui supervise la mission de dissuasion nucléaire de la nation. Les supercalculateurs du complexe d’armes nucléaires nécessitent des quantités immenses d’énergie pour simuler la physique des armes nucléaires et d’autres systèmes critiques.
Le calcul neuromorphique offre une voie pour réduire considérablement la consommation d’énergie tout en maintenant la puissance de calcul. En résolvant les EDP avec l’efficacité inspirée du cerveau, les systèmes neuromorphiques montrent qu’ils pourraient gérer des simulations à grande échelle avec beaucoup moins d’énergie que les supercalculateurs conventionnels.
« Vous pouvez résoudre de vrais problèmes de physique avec un calcul de type cérébral », a affirmé Aimone. « C’est quelque chose auquel on ne s’attendrait pas parce que l’intuition des gens va dans le sens inverse. Et en fait, cette intuition est souvent fausse. »
Les chercheurs ont déclaré qu’ils imaginent un avenir où les supercalculateurs neuromorphiques joueront un rôle central dans la mission de Sandia pour assurer la sécurité et la sûreté du monde.
Une fenêtre sur les secrets du cerveau
Leur recherche soulève également des questions fascinantes sur la nature de l’intelligence et du calcul. L’algorithme développé par Theilman et Aimone conserve de fortes similarités avec la structure et la dynamique des réseaux corticaux du cerveau.
« Nous avons basé notre circuit sur un modèle relativement connu dans le monde des neurosciences computationnelles », a précisé Theilman. « Nous avons montré que le modèle a un lien naturel mais non évident avec les EDP, et ce lien n’avait pas été établi jusqu’à présent — 12 ans après l’introduction du modèle. »
Les chercheurs estiment que le calcul neuromorphique pourrait aider à combler le fossé entre les neurosciences et les mathématiques appliquées, offrant de nouvelles perspectives sur la façon dont le cerveau traite l’information.
« Les maladies du cerveau pourraient être des maladies du calcul », a souligné Aimone. « Mais nous n’avons pas encore une compréhension solide de la façon dont le cerveau effectue les calculs. »
Si leur intuition est correcte, le calcul neuromorphique pourrait offrir des indices pour mieux comprendre et traiter des affections neurologiques comme Alzheimer et Parkinson.
Construire l’avenir du calcul
Bien que le calcul neuromorphique en soit encore à ses débuts, la recherche de Sandia pose les bases d’avancées transformationnelles. L’équipe espère que son travail inspirera une collaboration avec des mathématiciens appliqués, des neuroscientifiques et des ingénieurs pour explorer tout le potentiel de cette technologie.
« Si nous avons déjà montré que nous pouvons importer cet algorithme de mathématiques appliquées relativement basique mais fondamental dans le neuromorphique — existe-t-il une formulation neuromorphique correspondante pour des techniques de mathématiques appliquées encore plus avancées ? », s’est interrogé Theilman.
Alors que Sandia continue de faire progresser le calcul neuromorphique, les chercheurs sont optimistes quant à son potentiel pour relever certains des défis les plus pressants du monde. « Nous avons un pied dans la porte pour comprendre les questions scientifiques, mais nous avons aussi quelque chose qui résout un vrai problème », a conclu Theilman.
Article : Solving sparse finite element problems on neuromorphic hardware – Journal : Nature Machine Intelligence – DOI : Lien vers l’étude
Source : DOE / Sandia.gov
