Des ingénieurs de l'Institut de technologie de Tokyo (Tokyo Tech) ont démontré une approche informatique utilisant un réseau en anneau d'oscillateurs couplés avec une dynamique chaotique implémentée sur du matériel analogique. Cette nouvelle approche est basée sur les phénomènes d'émergence et de formation de motifs qui se produisent sous "synchronisation incomplète" au sein de dynamiques chaotiques. À l'avenir, cela pourrait avoir un impact significatif sur les méthodes conventionnelles de détection de formes couramment utilisées dans les réseaux de neurones artificiels sur des homologues matériels numériques.

Ces derniers temps, les algorithmes basés sur l'intelligence artificielle (IA) trouvent diverses applications sociétales telles que les soins de santé personnalisés, la conduite autonome, les villes intelligentes et l'agriculture de précision. La capacité de calcul nécessaire pour déployer de tels algorithmes augmente. Par conséquent, les initiatives de recherche étudient des approches alternatives d'IA en s'inspirant des systèmes naturels existants.

Une approche est le calcul de réservoir physique, où un ensemble d'éléments dynamiques exploitant des phénomènes physiques est utilisé pour cartographier les données d'entrée sur un espace de grande dimension. Le mérite de cette méthode est le besoin réduit d'algorithmes de formation qui nécessitent une grande quantité de puissance de traitement. Ces réservoirs peuvent souvent être mis en œuvre par des systèmes physiques très simples et ne nécessitent pas d'architectures complexes comme c'est le cas avec les réseaux de neurones.

Le circuit qui a été utilisé dans cette étude, nommé le circuit Minati-Frasca et initialement découvert et développé par des chercheurs des universités de Trente et de Catane en Italie, est très élémentaire, n'impliquant que cinq composants passifs et deux actifs, tout en montrant un comportement de pointe riche. . "Ces circuits sont vraiment remarquables et sont un candidat naturel pour l'informatique physique des réservoirs", déclare le Dr Hiroyuki Ito, responsable de l'unité Nano Sensing où l'étude a été menée.

Les expériences réalisées par les chercheurs de Tokyo Tech comprenaient le réglage de la chaoticité et de la force de couplage dans un réseau en anneau de circuits Minati-Frasca. Initialement, à de faibles valeurs d'un paramètre de contrôle approprié, le réseau présentait des pointes périodiques, suivies d'un comportement très irrégulier lorsque ce paramètre était augmenté. En combinaison avec le balayage de la force de couplage, cette opération a révélé une riche variété de façons dont le réseau se synchronise, ce qui signifie que les nœuds en son sein présentent un comportement similaire à celui observé dans leurs formes d'onde. Considérant le réseau dans son ensemble, l'émergence de schémas de synchronisation avec une synchronisation préférentielle de certaines paires de nœuds par rapport à d'autres, situation dite de synchronisation incomplète, peut être observée au sein du chaos. De plus, dans le cas de ce réseau particulier, cette région atteint une largeur maximale près du bord du chaos, qui est la frontière entre les régions de fonctionnement périodiques et chaotiques.

Les chercheurs de Tokyo Tech ont ensuite introduit deux facteurs supplémentaires pour influencer la "route vers la synchronisation", à savoir l'injection de bruit cohérent dans chaque nœud du réseau et la division du réseau en deux populations différentes. Le premier a montré que le bruit supplémentaire réduit considérablement la synchronisation du réseau dans la région périodique, tandis que dans la région chaotique, la zone de décalages de synchronisation incomplets et la synchronisation des nœuds qui ne sont pas structurellement adjacents sont améliorées. Cela indique que le réseau peut répondre à des stimuli externes de manière complexe. Cette dernière expérience a divisé le réseau en deux moitiés, l'une opérant dans le chaos et l'autre dans la périodicité.

La route vers la synchronisation dans cette condition a été examinée avec un balayage de force de couplage, produisant une diversification frappante des comportements de synchronisation entre les deux populations. Alors que la force de synchronisation augmentait régulièrement dans la moitié chaotique, la moitié périodique montrait des effets non monotones, c'est-à-dire que plusieurs minima apparaissaient lors du balayage de la force de couplage. De plus, après avoir étudié en détail les modèles de synchronisation, un comportement contradictoire a été révélé, montrant une synchronisation initiale de la moitié périodique qui a ensuite été dépassée par la moitié chaotique, suivie d'une synchronisation globale finale entre les deux moitiés. Cet effet souligne encore le potentiel génératif de ce réseau. Essentiellement, une division binaire de deux populations montre un scénario très simplifié des perturbations d'entrée auxquelles ce réseau pourrait être exposé lorsqu'il est utilisé pour le calcul de réservoir physique.

Ainsi, les chercheurs ont considéré le réseau dans leur étude et ont proposé de l'utiliser pour mettre en œuvre le calcul de réservoir dans le futur en exploitant les différents phénomènes décrits ci-dessus. « Issu d'une formation en apprentissage automatique, les couplages au sein du réseau m'ont rappelé le travail avec les réseaux de neurones. Cependant, au début, je n'étais pas en mesure de comprendre les implications de l'évolution de la dynamique et du chaos, car les algorithmes d'IA conventionnels ont tendance à ne pas avoir leur inné. activité dynamique », explique Jim Bartels, l'un des principaux auteurs de cette étude. "J'ai réalisé que l'exploitation de ces dynamiques pour le calcul pourrait bien s'intégrer dans le domaine de l'informatique de réservoir, qui reste un domaine d'étude en pleine croissance."

Après cet entretien, l'équipe a expliqué pourquoi ce type de calcul de réservoir pourrait être bénéfique pour des applications dans la société. "L'un des principaux domaines de recherche sur lesquels nous travaillons au sein de l'unité Nano Sensing est la classification des séries chronologiques pour les appareils de l'Internet des objets (IoT) et l'informatique de pointe, comme la classification du comportement animal. Une considération très importante pour ces appareils est leur durée de vie de la batterie, car elle détermine la barrière à l'adoption concrète.Ce qui est passionnant avec les réservoirs physiques tels que celui que nous avons proposé, c'est la possibilité de fonctionner, dans de futures réalisations intégrées encore à construire, à une puissance inférieure à celle des grands réseaux de neurones numériques Comme le circuit représente l'un des plus petits types connus d'oscillateurs générant des pointes, allant au-delà de l'étape actuelle de preuve de concept, nous nous attendons à ce que les chercheurs du monde entier explorent ses nombreuses variantes possibles pour des cadres de calcul supplémentaires, tels que les réseaux de neurones », ont-ils déclaré. commenté.

Ludovico Minati, qui est l'auteur principal de l'étude. Les expériences qui ont été entreprises, la conception du matériel, les résultats et leur discussion sont rapportés dans un article récent publié dans la revue Chaos, Solitons &Fractals . De plus, tous les matériaux de conception et les données expérimentales ont été librement téléchargeables. + Explorer plus loin

Explorer la synchronisation partielle dans les systèmes en réseau