Processeur photonique : Une avancée majeure pour le traitement des signaux 6G en temps réel

Un Processeur Électro-optique pour Améliorer le Traitement des Signaux sans Fil de la 6G À mesure que le nombre de dispositifs connectés augmente et que les tâches comme le télétravail et le cloud computing deviennent de plus en plus courantes, la gestion de la bande passante disponible dans le spectre radio devient un défi majeur. Les ingénieurs mettent en œuvre l'intelligence artificielle (IA) pour gérer dynamiquement ce spectre, visant à réduire la latence et améliorer les performances. Cependant, la plupart des techniques d'IA utilisées pour la classification et le traitement des signaux sans fil consomment beaucoup d'énergie et ne peuvent pas fonctionner en temps réel. Des chercheurs de l’Institut de Technologie du Massachusetts (MIT) ont toutefois réussi à développer un accélérateur de matériel IA innovant spécialement conçu pour le traitement des signaux radio. Ce processeur optique effectue des calculs d'apprentissage profond à la vitesse de la lumière, classifiant les signaux sans fil en quelques nanosecondes seulement. Avec une vitesse environ 100 fois supérieure aux meilleures alternatives numériques et une précision de classification de près de 95 %, ce nouvel accélérateur présente également une flexibilité et une scalabilitéexceptionnelles. Il est plus petit, plus léger, moins cher et plus économe en énergie que les accélérateurs de matériel IA numériques traditionnels. Architecture MAFT-ONN L’accélérateur optique, appelé Multiplicative Analog Frequency Transform Optical Neural Network (MAFT-ONN), résout le problème de la scalabilité en codant toutes les données des signaux et en effectuant toutes les opérations d'IA dans le domaine fréquentiel, avant que les signaux sans fil ne soient数字化. 这段话在翻译过程中出现了中文，请允许我继续用法文进行： L'accélérateur optique, appelé Réseau Neural Optique à Transformation Fréquentielle Multiplicative Analogique (MAFT-ONN), résout le problème de la scalabilité en codant toutes les données de signaux et en effectuant toutes les opérations d'IA dans le domaine fréquentiel, avant même que les signaux sans fil ne soient numérisés. Les chercheurs ont dessiné leur réseau neuronal optique pour effectuer tous les opérations linéaires et non linéaires en ligne, ce qui est nécessaire pour l'apprentissage profond. Grâce à cette conception novatrice, ils n'ont besoin que d'un seul dispositif MAFT-ONN par couche pour l'ensemble du réseau neuronal optique, contrairement à d'autres méthodes qui nécessitent un dispositif pour chaque unité de calcul individuelle, ou "neurone". "Nous pouvons intégrer 10 000 neurones sur un seul dispositif et calculer les multiplications nécessaires en un clic," explique Ronald Davis III, doctorant en fin de thèse au MIT et premier auteur de l'étude. Pour atteindre cette efficacité, les chercheurs utilisent une technique appelée multiplication photoélectrique, qui permet des calculs rapides et précis. En outre, cette méthode facilite l'échelle du réseau neuronal optique en ajoutant de nouvelles couches sans nécessiter un surcroît d'équipement. Performances en Nanosecondes Le MAFT-ONN prend en entrée un signal sans fil, traite les données de ce signal et transmet l'information pour les opérations ultérieures que l'appareil limite physique peut effectuer. Par exemple, en classifiant la modulation d'un signal, le MAFT-ONN permetrait à un appareil de déterminer automatiquement le type de signal pour extraire les données qu'il transporte. L'une des plus grandes défis auxquels les chercheurs ont dû faire face lors de la conception du MAFT-ONN était de définir comment cartographier les calculs d'IA sur l'hardware optique. Selon Ronald Davis, "Nous ne pouvions pas simplement prendre un cadre d'apprentissage automatique standard et l'utiliser comme il était. Nous avons dû le personnaliser pour s'adapter à notre hardware et comprendre comment exploiter la physique pour qu'elle effectue les calculs que nous voulions." Lors des tests en simulation, le réseau neuronal optique a atteint une précision de 85 % en une seule mesure, capable de converger rapidement à plus de 99 % de précision en utilisant plusieurs mesures. Le MAFT-ONN a réalisé le processus entier en environ 120 nanosecondes. "Au fur et à mesure que vous prenez plus de mesures, vous obtenez une meilleure précision. Mais puisque le MAFT-ONN effectue les inférences en quelques nanosecondes, vous ne perdez pas grand-chose en termes de vitesse pour gagner plus de précision," ajoute Davis. Alors que les appareils de fréquence radio numériques de pointe peuvent effectuer des inférences d'IA en microsecondes, l'optique peut le faire en nanosecondes voire en picosecondes. Perspectives Futures Dans le futur, les chercheurs souhaitent utiliser des schémas de multiplexage pour augmenter la quantité de calculs et augmenter l'échelle du MAFT-ONN. Ils envisagent également d’étendre leur travail à des architectures d'apprentissage profond plus complexes qui pourraient exécuter des modèles de transformateurs ou des grands modèles linguistiques (LLMs). Cette innovation pourrait être particulièrement utile pour de futures applications sans fil de la 6G, comme les radios cognitives qui optimisent les débits de données en adaptant les formats de modulations aux changements de l'environnement sans fil. Elle pourrait également ouvrir la voie à de nombreuses autres possibilités en inférence d'IA en temps réel, y compris l’aide aux véhicules autonomes pour réagir instantanément aux changements environnementaux et les marins automatisités intelligents pour surveiller continuellement la santé cardiaque des patients. Evaluation et Profil de l'Entreprise Les experts de l'industrie jugent ce travail de MIT comme un pas significatif vers l’efficacité énergétique et la rapidité des systèmes d'IA. Cette avancée représente non seulement une amélioration technique remarquable mais aussi un potentiel commercial prometteur, notamment dans les domaines de la communication sans fil de dernière génération et de l’intelligence artificielle embarquée. L'équipe de recherche, dirigée par le professeur Dirk Englund, fait partie du Département d'Électricité et d'Informatique du MIT, du Groupe de Photonique Quantique et d'Intelligence Artificielle, et du Laboratoire de Recherche Électronique (RLE). Ce projet a été partiellement financé par le Laboratoire de Recherche de l’Armée des États-Unis, l'US Air Force, le MIT Lincoln Laboratory, Nippon Telegraph and Telephone, et la National Science Foundation. En conclusion, ce processeur électro-optique pourrait révolutionner le traitement des signaux sans fil, offrant des vitesses de calcul inégalées et une faible consommation énergétique, répondant ainsi aux besoins croissants des applications de pointe comme la 6G.