Site de l'université de Franche-Comté
En Direct

Performances d’un calculateur à réseaux de neurones artificiels :

la preuve par l’optique

Vignette du numéro 252 de Mars 2014

Article publié dans le numéro 252 de Mars 2014
Voir le sommaire
Télécharger le numéro


La mise au point d’un démonstrateur de Reservoir Computing utilisant la complexité du comportement de la lumière dans une fibre optique représente une avancée spectaculaire pour ce concept de calcul inspiré du fonctionnement du cerveau humain.


Une recherche novatrice qui, non contente de se concrétiser par un système opérationnel en un temps record, se projette déjà vers la miniaturisation sous le nom de puce neuromorphique.


Un concept et une technologie au développement conjoint et à la trajectoire fulgurante au sein du département Optique de l’Institut FEMTO-ST.


Démonstrateur de Reservoir Computing photonique (Romain Martinenghi / FEMTO-ST)

Démonstrateur de Reservoir Computing photonique (Romain Martinenghi / FEMTO-ST)


Sur le terrain des calculs arithmétiques les plus compliqués, l’ordinateur numérique est incollable et surpasse de loin les capacités humaines. Mais le cerveau humain, lui, est bien plus performant pour résoudre des problèmes nécessitant un apprentissage préalable, c’est le cas de tout ce qui fait appel à un processus de reconnaissance, ou de classification.


Le Reservoir Computing est un concept de calcul s’inspirant du fonctionnement du cerveau ; il est capable d’apprendre, de se corriger et de répondre à des questions de très grande complexité, des performances inconcevables pour un ordinateur classique.


Le Reservoir Computing fonctionne selon des principes similaires à ceux des calculateurs à réseaux de neurones qui, depuis leur apparition dans les années 1940, ont notamment fait leurs preuves dans le domaine de l’intelligence artificielle. Ces calculateurs, intégrés dans un ordinateur classique, sont explorés cependant principalement au travers de simulations numériques.


Si le Reservoir Computing partage les mêmes origines, quelques différences essentielles permettent sa concrétisation sous forme de système physique. Le concept est récent, la technologie aussi, et le Reservoir Computing se développe depuis tout juste dix ans en Europe où il a émergé et dont il reste l’apanage.


Le projet européen PHOCUS, né en 2010 d’une collaboration entre l’Espagne, l’Allemagne, la Belgique et la France, piloté par l’université des îles Baléares, avait fait le pari de la réalisation d’une solution physique s’appuyant sur une classe particulière de systèmes dynamiques, les dynamiques non linéaires à retard.


Au département Optique de l’Institut FEMTO-ST, une équipe de chercheurs menée par Laurent Larger a donné un véritable coup d’accélérateur à la science avec la mise au point d’un démonstrateur physique du Reservoir Computing qui exploite la complexité des comportements de la lumière dans une fibre optique.


Ce Reservoir Computing photonique a recours aux équations non linéaires à retard pour assurer, de façon inédite jusqu’alors, la création physique d’un équivalent de réseau de neurones artificiels. Le système est purement temporel et le retard se substitue à la dimension spatiale initialement nécessaire à la multiplication des neurones. Résultat : un système plus facile à gérer technologiquement, et un traitement ultrarapide de l’information grâce aux composants des télécommunications par fibre optique.


« La notion de retard correspond à la mémoire du système. Plus la mémoire est importante, plus il est possible de créer de neurones », explique Laurent Larger. Le démonstrateur mis au point comporte quelque quatre cents neurones seulement, mais il a enregistré un succès au-delà des espérances dans le domaine de la reconnaissance vocale pour lequel il a fait l’objet de tests. Avec l’identification de plus d’un million de mots à la seconde, le Reservoir Computing photonique est le seul système physique au monde témoignant de telles puissance et rapidité de calcul, et dépasse de très loin les capacités de la simulation numérique.

La puce neuromorphique, un Reservoir Computing photonique miniature

Si le Reservoir Computing génération photon a sans conteste fait la preuve de ses performances, il reste à décrypter encore certains de ses fonctionnements pour maîtriser et développer son potentiel de calcul, une tâche à laquelle s’emploient les chercheurs avant d’envisager l’intégration du système sous la forme d’une puce neuromorphique. Et dans sa version miniature comme en grand format, le système est d’ores et déjà pensé pour de futures applications : l’investigation ne se limitera pas à la résolution de problèmes académiques, si valorisants soient-ils.


Quatre axes de recherche donnent une idée de la variété potentielle de ces applications. Intégrée sur une pile à combustible, la puce neuromorphique jouerait le rôle de monitoring permanent pour détecter les pannes d’un système au comportement réputé difficile à optimiser. Cette recherche est menée avec les chercheurs du département Énergie de FEMTO-ST.


En économétrie, la puce aiderait à prévoir les variations des cours de la bourse, et les chercheurs en physique s’attachent ici les compétences de leurs collègues du laboratoire de mathématiques de Besançon. À l’intérieur de l’équipe Optoélectronique où est né le Reservoir Computing photonique, on travaille sur le nano-usinage par laser femto-seconde : le calculateur pourrait effectuer en temps réel l’analyse du profil du faisceau laser pour mieux le contrôler et assurer une reproductibilité parfaite du procédé. Enfin, en neuro-imagerie, la puce serait utilisée pour interpréter les signaux issus d’un électroencéphalogramme et captés par des centaines d’électrodes, pour comprendre peut-être un jour les pensées que ne peuvent formuler verbalement certains malades. Cet aspect de Mind Reading est développé avec les chercheurs du CHRU de Besançon.


La puce neuromorphique est un projet inscrit au LabEx Action retenu par le programme Investissements d’Avenir de l’État, consacré à la thématique des systèmes intelligents.


La technologie, prometteuse, et la preuve de concept apportée en un temps record, donnent de bons espoirs à Laurent Larger et aux chercheurs impliqués dans les développements du Reservoir Computing. « Nous pensons mettre au point l’intégration du système pour 2020 et pourquoi pas, les premiers Reservoir Computing personnels pour 2025 ! »

Des réservoirs remplis de neurones

Les réseaux de neurones artificiels font parler d’eux dans la littérature scientifique dès 1943, et font l’objet d’avancées prometteuses jusqu’à la fin des années 1950 avant de laisser place à une période de doute. Il faut attendre le début des années 2000 pour voir les recherches se relancer autour du concept de Reservoir Computing, dont les Echo State Networks et Liquid State Machine sont les deux versions fondatrices. L’idée de « machine à état liquide » trouve son écho avec le terme de « Reservoir » qui reprend l’analogie avec l’eau pour expliquer le principe du calculateur.


Le système est représenté par un bac rempli d’eau, à la place d’un réseau de neurones, et dont la surface est au repos. Si l’on jette des cailloux dans l’eau, la surface réagit en une multitude de vaguelettes. Les cailloux symbolisent le problème soumis au système, l’interprétation des vagues multiples en interaction représente les résultats de son calcul. Cette interprétation est rendue possible par des algorithmes qui, mis au point au préalable, ont donné au système des éléments de connaissance du problème. Ces algorithmes correspondent à une phase d’apprentissage qui fonde tout l’intérêt du Reservoir Computing. Un traitement global du problème hors de portée de l’ordinateur classique et du calcul numérique, dont les réseaux de neurones artificiels compléteraient intelligemment les performances.

 

Contact : Laurent Larger 

Département d’Optique 

Institut FEMTO-ST 

Université de Franche-Comté / ENSMM / UTBM / CNRS
Tél. (0033/0) 3 81 66 64 98 

Retour en haut de page