L’intelligence artificielle (IA) vient pour la première fois d’être intégrée à un MEMS, un tout petit système microélectromécanique qui tiendrait sur le bout d’un cheveu! Un groupe de chercheurs de l’Université de Sherbrooke a en effet réussi à construire le premier dispositif informatique avec de l’intelligence artificielle sur un MEMS. Résultat : un petit ordinateur dont la configuration imite le cerveau humain avec son réseau de neurones!
« On a écrit un papier l’an dernier qui montrait que, théoriquement, on pouvait utiliser l’IA sur un MEMS. Là, on vient de montrer que ça se fait réellement en labo », explique le Pr Julien Sylvestre, co-auteur de l’article scientifique publié dans la revue de référence en physique appliquée, Journal of Applied Physics, et membre de l’Institut interdisciplinaire d’innovation technologique – 3IT.
Ces nouvelles avancées se positionnent aussi vers ce qu’on appelle le « Edge Computing », ou le traitement de données à la périphérie. L’idée, c’est qu’un MEMS pourrait en arriver à traiter toutes les données qu’il collecte directement, sans qu’il soit nécessaire de les faire traiter par un ordinateur externe.
« Aujourd’hui, de nombreux capteurs sont construits avec des MEMS, ajoute Guillaume Dion, étudiant à la maîtrise et co-auteur de l’article. Les travaux du groupe visent à créer des dispositifs pouvant servir simultanément de capteur et d’ordinateur, en utilisant une fraction de l’énergie qu’un ordinateur normal utilise. » Le troisième co-auteur de l’article est Salim Mejaouri.
Qu’est-ce que le Reservoir Computing?
Le « Reservoir Computing » est une approche utilisée par l’équipe du Pr Sylvestre pour effectuer l’IA dans les MEMS. Elle mène à une nouvelle façon de construire des dispositifs artificiels intelligents petits et efficaces. Ce nouvel appareil met en évidence le potentiel de systèmes mécaniques très petits pour réaliser des calculs. Dans ce cas-ci, une poutre de silicium d’une largeur 20 fois plus fine qu’un cheveu humain!
« Un réseau de neurones artificiels fonctionne en transformant un signal d’entrée, qui peut être un son, une image, un caractère écrit à la main, en un signal complexe dans un espace à plusieurs centaines ou milliers de dimensions. Notre MEMS utilise la non-linéarité dans le mouvement d’une micro-poutre de silicium comme une ressource pour créer cette transformation vers l’espace à plusieurs dimensions. Le « Reservoir Computing est le “truc” final que nous utilisons pour “apprendre” à notre système à réaliser des calculs complexes. Avec un calcul mathématique très simple, nous avons par exemple entraîné notre micro-poutre à faire des calculs sur des signaux binaires, comme un ordinateur conventionnel, puis nous avons poussé plus loin en entraînant la même poutre à reconnaître les mots “zéro” à “neuf”, en anglais, prononcé à haute voix par seize personnes différentes, avec un bon taux de succès, soit près de 80% », explique Julien Sylvestre.
Efficacité énergétique
L’équipe du professeur cherche à explorer des calculs de plus en plus complexes à l’aide du dispositif à poutre de silicium, dans l’espoir de développer des capteurs et des contrôleurs de robot de petite taille et à haut rendement énergétique.
Pour en savoir davantage, cliquez ici.
