L'agence de recherche du ministère de la Défense américaine cherche à améliorer très significativement les capacités de son réseau. A l'heure de l'informatique distribuée, la Darpa souhaite ainsi supprimer le goulet d’étranglement entre les serveurs multiprocesseurs et les liaisons réseau qui les interconnectent. « Cette classe d’informatique nécessite une communication importante entre les nœuds de calcul. Il est également de plus en plus utilisé pour des applications avancées telles que la formation de réseaux neuronaux profonds et la classification d'images », a expliqué l'agence dans un billet.

Dans sa recherche, la Darpa a pointé du doigt le manque de performance de ses piles réseau, limitées à la fois par les cartes d'interface réseau et le logiciel système à 10-100 Gps. Ce qui représente un goulet d'étranglement particulièrement important pour le calcul distribué nécessitant une communication importante entre les nœuds de calcul. Pour palier la situation, l'agence a donc lancé le programme Fast Network Interface Cards (FastNICs) visant à accélérer par 100 la performance de ses applications distribuées en particulier d'apprentissage machine, grâce au développement, à la mise en œuvre, à l’intégration et à la validation de nouveaux sous-systèmes de réseau.

Une interface réseau 10 Tbps dans les tuyaux

Dans le cadre de son projet, la Darpa va se concentrer sur le développement de systèmes matériels permettant d’améliorer de manière significative la vitesse de transmission des données via une interface 10 Tbps reliant aussi bien les bus d'E/S, les réseaux d'interconnexion multiprocesseurs que les logements mémoire « Les logiciels ne peuvent pas accélérer plus que la couche physique ne le permet. Nous devons donc d'abord changer la couche physique », a déclaré Jonathan Smith, gestionnaire de programme au bureau de l'information et de l'innovation de la Darpa.

L'accroissement de la capacité réseau de la Darpa avec son programme FastNIC va permettre d'exploiter beaucoup plus rapidement les données de capteurs issus par exemple des drones ou de générateurs d'images (vidéosurveillance...). « Un exemple d'application serait la détection de changement, où les images marquées sont utilisées pour former un système de deep learning, à la reconnaissance d'anomalies dans une série chronologique de captures d'image, telles que la présence d'une forme étrange ou une poussée soudaine d'activité inexplicable dans des installations », indique la Darpa.