Une branche de la recherche en ingénierie cherche à développer des ordinateurs capables de relever une catégorie de défis appelés problèmes d’optimisation combinatoire. Ceux-ci sont courants dans les applications du monde réel, telles que l’organisation des télécommunications, la planification et l’itinéraire de voyage afin d’optimiser l’efficacité.
Malheureusement, les technologies actuelles se heurtent à des limites quant à la puissance de traitement pouvant être intégrée dans une puce informatique, tandis que l’entraînement des modèles d’intelligence artificielle nécessite d’énormes quantités d’énergie.
Des chercheurs de l’UCLA et de l’UC Riverside ont mis au point une nouvelle approche qui permet de surmonter ces obstacles afin de résoudre certains des problèmes d’optimisation les plus difficiles. L’équipe a conçu un système qui traite les informations à l’aide d’un réseau d’oscillateurs, des composants qui se déplacent d’avant en arrière à certaines fréquences, plutôt que de représenter toutes les données sous forme numérique. Ce type d’architecture informatique, appelé machine d’Ising, possède une puissance particulière pour le calcul parallèle, qui permet d’effectuer simultanément de nombreux calculs complexes. Lorsque les oscillateurs sont synchronisés, le problème d’optimisation est résolu.
Dans l’étude, publiée dans Physical Review Applied, les chercheurs ont présenté un dispositif basé sur certaines propriétés quantiques qui relient l’activité électrique aux vibrations se propageant à travers un matériau. Cependant, contrairement à la plupart des applications quantiques actuelles en informatique, qui nécessitent des températures extrêmement basses pour conserver leur « caractère quantique », le dispositif des chercheurs est capable de fonctionner à température ambiante.
« Notre approche est un calcul inspiré de la physique, qui s’est récemment imposé comme une méthode prometteuse pour résoudre des problèmes d’optimisation complexes », a indiqué l’auteur correspondant Alexander Balandin, professeur d’ingénierie Fang Lu et professeur émérite de science et d’ingénierie des matériaux à la Samueli School of Engineering de l’UCLA. « Elle exploite des phénomènes physiques impliquant un condensat électron-phonon fortement corrélé pour effectuer des calculs directement par le biais de processus physiques, ce qui permet d’obtenir une meilleure efficacité énergétique et une plus grande vitesse. »
La recherche a montré que les oscillateurs évoluent naturellement vers un état fondamental, dans lequel ils sont synchronisés, ce qui permet à la machine de résoudre des problèmes d’optimisation combinatoire.
Balandin et ses collègues ont utilisé un matériau spécial pour combler le fossé entre la mécanique quantique — des règles contre-intuitives régissant les interactions entre les particules subatomiques — et la physique plus familière de la vie quotidienne. Leur prototype matériel est basé sur une forme de sulfure de tantale, un « matériau quantique » qui permet de révéler la commutation entre les phases électrique et vibratoire.
Newsletter Enerzine
Recevez les meilleurs articles
Énergie, environnement, innovation, science : l’essentiel directement dans votre boîte mail.
Cette nouvelle technologie offre un potentiel de fonctionnement à faible consommation d’énergie, tout en étant compatible avec la technologie silicium conventionnelle.
« Tout nouveau matériel basé sur la physique doit être intégré à la technologie CMOS numérique standard au silicium pour avoir un impact sur les systèmes de traitement des informations », a ajouté M. Balandin, membre du California NanoSystems Institute (CNSI) de l’UCLA. « Le matériau à onde de densité de charge bidimensionnelle que nous avons sélectionné pour cette démonstration présente un potentiel pour une telle intégration. »
Les oscillateurs couplés utilisés dans cette recherche ont été construits au laboratoire de nanofabrication de l’UCLA, géré conjointement par le CNSI et l’UCLA Samueli, et testés dans le moteur optimisé pour les phonons de l’UCLA.
Article : « Charge-density-wave quantum oscillator networks for solving combinatorial optimization problems » – DOI : 10.1103/zmlj-6nn7
Source : UCLA
