Le système neuromorphique utilise des effets quantiques pour trouver des solutions optimales aux problèmes complexes

Il est facile de résoudre un Rubik’s Cube 3×3, explique Shantanu Chakrabartty, professeur de Clifford W. Murphy et vice-doyen de la recherche et des études supérieures à la McKelvey School of Engineering à l’Université de Washington à St. Louis. Apprenez et mémorisez les étapes, puis exécutez-les pour arriver à la solution.

Les ordinateurs sont déjà bons dans ce type de résolution de problèmes procéduraux. Maintenant, Chakrabartty et ses collaborateurs ont développé un outil qui peut aller au-delà de la procédure pour découvrir de nouvelles solutions à des problèmes d’optimisation complexes en logistique à la découverte de médicaments.

Chakrabartty et ses collaborateurs ont introduit Neurosa, une architecture neuromorphe de résolution de problèmes modélisé sur le fonctionnement de la neurobiologie humaine, mais qui exploite le comportement mécanique quantique pour trouver des solutions optimales – garantie – et trouvent ces solutions plus fiable que les méthodes de pointe.

L’effort de collaboration multi-université, publié dans Communications de la natureoriginaire de l’atelier de neuromorphique et de génie cognitif de Telluride et a été dirigé par Chakrabartty et le premier auteur Zihao Chen, un étudiant diplômé du département Green de Preston M. Green de l’ingénierie électrique et des systèmes dans McKelvey Engineering.

“Nous recherchons des moyens de résoudre des problèmes mieux que les ordinateurs modélisés sur l’apprentissage humain ont déjà fait”, a déclaré Chakrabartty. “Neurosa est conçu pour résoudre le problème de la« découverte », le problème le plus difficile de l’apprentissage automatique, où l’objectif est de découvrir de nouvelles solutions inconnues.”

Dans l’optimisation, le recuit est un processus pour explorer différentes solutions possibles avant de finalement s’installer sur la meilleure solution. Les recteurs de Fowler-Nordheim (FN) utilisent des principes de tunneling mécanique quantique pour rechercher cette solution la plus optimale efficacement, et ils sont “l’ingrédient secret” dans Neurosa, dit Chakrabartty.

“Dans les problèmes d’optimisation, la stratégie entre en jeu lorsque le système doit changer, comme lorsque vous recherchez le plus haut bâtiment du campus, quand déménagez-vous dans une autre zone?” Chakrabartty a déclaré. “La structure de Neurosa est neuromorphique, comme notre structure cérébrale avec les neurones et les synapses, mais son comportement de recherche est déterminé par le FN Benaleur. Ce pont critique entre Neuro et Quantum est ce qui rend Neurosa si puissant et ce qui nous permet de garantir que nous trouverons une solution si l’on donne suffisamment de temps.”

Cette garantie devient particulièrement importante lorsque le calendrier pour permettre à Neurosa rechercher une solution optimale pourrait aller de jours à semaines, voire plus, selon la complexité du problème.

Dans l’article, l’équipe de Chakrabartty, en collaboration avec une équipe de recherche chez SpinnCloud Systems, a déjà démontré que Neurosa peut être mis en œuvre sur la plate-forme informatique neuromorphique Spinnaker2, prouvant sa faisabilité pratique. Ensuite, Chakrabartty prévoit que l’outil pourrait être appliqué à l’optimisation de la logistique dans les chaînes d’approvisionnement, les services de fabrication et de transport ou pour découvrir de nouveaux médicaments en explorant le repliement des protéines et les configurations moléculaires optimales.