La croissance exponentielle de la puissance de traitement informatique observée au cours des 60 dernières années pourrait bientôt s'arrêter. Des systèmes complexes tels que ceux utilisés dans les prévisions météorologiques, par exemple, nécessitent des capacités de calcul élevées, mais les coûts de fonctionnement des superordinateurs pour traiter de grandes quantités de données peuvent devenir un facteur limitant.

Des chercheurs de l'Université Johannes Gutenberg de Mayence (JGU) et de l'Università della Svizzera italiana (USI) à Lugano en Suisse ont récemment développé un algorithme capable de résoudre des problèmes complexes avec une facilité remarquable, même sur un ordinateur personnel.

La croissance exponentielle de l'informatique atteindra sa limite

Autrefois, nous avons vu un taux constant d'accélération de la puissance de traitement de l'information comme prédit par la loi de Moore, mais il semble maintenant que ce taux de croissance exponentiel soit limité. Les nouveaux développements reposent sur l'intelligence artificielle et le machine learning, mais les processus connexes sont largement méconnus et compris. "De nombreuses méthodes d'apprentissage automatique, comme le très populaire deep learning, ont beaucoup de succès, mais fonctionne comme une boîte noire, ce qui signifie que nous ne savons pas exactement ce qui se passe. Nous voulions comprendre le fonctionnement de l'intelligence artificielle et mieux comprendre les connexions impliquées, " a déclaré le professeur Susanne Gerber, spécialiste en bioinformatique à l'Université de Mayence.

Avec le professeur Illia Horenko, expert en informatique à l'Università della Svizzera italiana et Mercator Fellow de la Freie Universität Berlin, elle a développé une technique pour effectuer des calculs incroyablement complexes à faible coût et avec une grande fiabilité. Gerber et Horenko, avec leurs co-auteurs, ont résumé leur concept dans un article intitulé "Low-cost scalable discretization, prédiction, et la sélection de fonctionnalités pour les systèmes complexes" récemment publié dans Avancées scientifiques . "Cette méthode nous permet d'effectuer sur un PC standard des tâches qui auraient nécessité auparavant un supercalculateur, " a souligné Horenko. En plus des prévisions météorologiques, la recherche voit de nombreuses applications possibles telles que la résolution de problèmes de classification en bioinformatique, l'analyse d'image, et diagnostics médicaux.

Décomposer des systèmes complexes en composants individuels

L'article présenté est le résultat de plusieurs années de travail sur le développement de cette nouvelle approche. Selon Gerber et Horenko, le procédé est basé sur le principe Lego, selon laquelle les systèmes complexes sont décomposés en états ou motifs discrets. Avec seulement quelques modèles ou composants, c'est à dire., trois ou quatre douzaines, de grands volumes de données peuvent être analysés et leur comportement futur peut être prédit. "Par exemple, en utilisant l'algorithme SPA, nous avons pu faire une prévision basée sur les données des températures de surface en Europe pour la journée à venir et avoir une erreur de prédiction de seulement 0,75 degrés Celsius, " a déclaré Gerber. Tout fonctionne sur un PC ordinaire et a un taux d'erreur 40 pour cent meilleur que les systèmes informatiques habituellement utilisés par les services météorologiques, tout en étant beaucoup moins cher.

SPA ou Scalable Probabilistic Approximation est un concept mathématique. La méthode pourrait être utile dans diverses situations qui nécessitent le traitement automatique de gros volumes de données, comme en biologie, par exemple, lorsqu'un grand nombre de cellules doivent être classées et regroupées. "Ce qui est particulièrement utile dans le résultat, c'est qu'on peut alors comprendre quelles caractéristiques ont été utilisées pour trier les cellules, " a ajouté Gerber. Un autre domaine d'application potentiel est la neuroscience. L'analyse automatisée des signaux EEG pourrait constituer la base des évaluations de l'état cérébral. Elle pourrait même être utilisée dans le diagnostic du cancer du sein, que les images mammographiques pourraient être analysées pour prédire les résultats d'une éventuelle biopsie.

"L'algorithme SPA peut être appliqué dans un certain nombre de domaines, du modèle de Lorenz à la dynamique moléculaire des acides aminés dans l'eau, " a conclu Horenko. " Le processus est plus simple et moins cher et les résultats sont également meilleurs par rapport à ceux produits par les supercalculateurs de pointe actuels. "