Big Data : du Machine Learning pour traiter les gros volumes de données

Du machine learning pour traiter les big data très volumineuses

Une analyse qui se révélerait trop complexe à faire avec des techniques conventionnelles pourrait être plus facilement réalisée avec une nouvelle approche quantique. (D.R. : fournià IDGNS par les chercheurs du MIT)En combinant topologie et informatique quantique, des chercheurs du MIT et des universités de Waterloo et de Californie du Sud pensent avoir trouvé une approche pour les big data très volumineuses.

L’exploration des big data recèle peut-être un potentiel inexploité, mais le volume de données à prendre en compte peut exiger une puissance de traitement supérieure aux solutions dont on dispose pour l’instant. Un algorithme tirant parti de l’informatique quantique pourrait venir à la rescousse. Des chercheurs du MIT, de l’Université de Waterloo et de l’Université de la Californie du Sud viennent de publier dans la revue Nature Communications un article décrivant une nouvelle approche pour appréhender des problèmes massivement complexes. En combinant l’informatique quantique et la topologie – une branche de la géométrie – l’algorithme d’apprentissage machine peut rationaliser des problèmes hautement complexes et se rapprocher ainsi des solutions.

La topologie se concentre sur des propriétés qui restent identiques même en cas de distorsion et c’est particulièrement utile pour analyser les connexions de maillages complexes comme le réseau électrique américain ou les interconnexions mondiales d’Internet. Elle peut aussi aider à se focaliser sur les caractéristiques les plus importantes d’un jeu massif de données. L’inconvénient de l’analyse topologique, c’est qu’elle est très coûteuse du point de vue de son traitement informatique, mais c’est justement là que les chercheurs pensent que la mécanique quantique peut aider. Suite …

(Source : article publié par Katherine Noyes le 29 janvier 2016 dans Le Monde Informatique)

Tagués avec : , , , , , ,