Des scientifiques conçoivent des synapses artificielles pour l’informatique neuromorphique
Le cerveau humain a été appelé l’objet le plus compliqué de l’univers. En essayant de reproduire cette capacité informatique encore inégalée, les scientifiques du Laboratoire national de Los Alamos ont créé un nouveau dispositif memristif de type interface, qui, selon leurs résultats, peut être utilisé pour créer des synapses artificielles pour l’informatique neuromorphique de nouvelle génération.
Les dispositifs memristifs, ou memristors, représentent une technologie de circuit recherchée depuis longtemps qui, contrairement à la technologie de résistance actuelle, possède à la fois des capacités de programmation et de mémoire – les memristors pourraient se souvenir de l’état électrique dans lequel ils se trouvaient lorsqu’ils sont éteints, une capacité semblable au cerveau humain qui ouvre de nouvelles possibilités pour l’informatique et les appareils.
« Le traitement des données est un élément essentiel de la science d’aujourd’hui, avec l’apprentissage automatique, l’intelligence artificielle et les réseaux de neurones artificiels utilisés pour répondre à des questions urgentes dans tous les domaines, de la science du climat aux applications de sécurité nationale », a déclaré Aiping Chen, scientifique de laboratoire au Centre pour les nanotechnologies intégrées.
« Mais l’architecture informatique conventionnelle demande beaucoup d’énergie et est de moins en moins capable de s’adapter pour relever des défis de données de plus en plus importants. L’informatique neuromorphique, qui imite l’architecture et les capacités de stockage et de traitement des données inégalées du cerveau humain, offre une voie vers continuer à étendre les performances de calcul. »
L’informatique conventionnelle est contrainte par le soi-disant goulot d’étranglement de von Neumann, dans lequel l’informatique et la mémoire sont séparées. Le traitement de tâches avancées telles que l’apprentissage automatique et la reconnaissance d’images sur des ordinateurs numériques consomme une quantité importante d’énergie et de temps en raison du transfert des données entre une unité centrale de traitement et la mémoire. La consommation d’énergie des centres de données a augmenté rapidement au cours des dernières années, avec des projections selon lesquelles environ 8 % de l’électricité mondiale sera utilisée par les centres de données d’ici 2030.
De plus, dans l’architecture informatique conventionnelle, des milliards de transistors sur des micropuces à base de silicium servent de commutateurs pour le code binaire d’un ordinateur. Les limites physiques de la miniaturisation de ces transistors ont contribué à sonner le glas de la loi de Moore, une maxime qui prévoyait le doublement de la puissance de traitement environ tous les deux ans.
Informatique en mémoire : comme un cerveau
Co-localisant le stockage et le traitement des informations au niveau des synapses, qui connectent les 100 milliards de neurones qui envoient et reçoivent des informations chimiques, le « traitement en mémoire » du cerveau humain permet d’économiser du temps et de l’énergie. L’informatique neuromorphique s’appuie sur des dispositifs émergents tels que les memristors, des commutateurs entre deux terminaux qui contrôlent et mémorisent la charge qui les traverse, pour reproduire la structure et la fonction des synapses.
Dans le domaine en évolution rapide de l’informatique neuromorphique, les conceptions de memristor ont inclus des systèmes de filaments, dans lesquels une charge est délivrée à travers les appareils. Mais, sujets à la surchauffe, les systèmes à filaments manquent de stabilité et de fiabilité.
Chen et ses collègues travaillent sur une approche différente appelée memristor de type interface et ont produit un dispositif fiable et performant avec une structure simple basée sur un SrTiO dopé Au/Nb3 interface – essentiellement de l’or et d’autres matériaux semi-conducteurs.
Les memristors de type interface peuvent, en principe, être réduits à une taille nanométrique que même la technologie des memristors à base de filaments ne peut pas atteindre. (En revanche, un cheveu humain a une épaisseur d’environ 100 000 nanomètres.) Et surtout contrairement aux puces neuromorphiques à base de transistors, le dispositif memristif de type interface a besoin de beaucoup moins d’énergie pour alimenter son traitement.
« Différente de l’informatique numérique avec une architecture von Neumann, l’informatique neuromorphique, inspirée des systèmes biologiques, fonctionne exactement comme un cerveau », a déclaré Chen. « Les avantages de cette structure incluent une faible consommation d’énergie, un parallélisme élevé et une excellente tolérance aux erreurs. Le cerveau humain ne fonctionne qu’à 20 watts, après tout, mais apprend extrêmement efficacement. Ces avantages le rendent très bon pour les tâches informatiques avancées comme l’apprentissage, la reconnaissance et la prise de décision. »
Exceller dans les tâches informatiques avancées
L’équipe a utilisé la simulation de réseau de neurones artificiels pour étudier les performances de calcul du memristor de type interface, en le testant par rapport à un ensemble de données d’images manuscrites de la base de données Modified National Standards and Technology gérée par le National Institute of Standards and Technology. Démontrant une excellente uniformité, programmabilité et fiabilité, l’appareil a réalisé une précision de reconnaissance de 94,72 %.
Cette performance fait croire à l’équipe que ces nouveaux dispositifs memristifs de type interface peuvent être un élément matériel fondamental pour l’informatique neuromorphique de nouvelle génération.
« Les capacités que nous voyons suggèrent que les puces neuromorphiques, comme les cerveaux humains, seront bonnes pour les tâches avancées qui incluent l’apprentissage et la prise de décision en temps réel », a déclaré Chen. « Nous pourrions voir l’informatique neuromorphique permettre de nombreuses applications qui nécessitent de l’intelligence, des voitures autonomes aux drones, en passant par les caméras de sécurité. Fondamentalement, beaucoup de choses que les gens sont capables de faire, ces types d’appareils pourront le faire. »
L’équipe prévoit de continuer à développer la technologie en mettant l’accent sur la nécessité d’une co-conception, c’est-à-dire une conception matérielle informée par des approches algorithmiques proposées par des informaticiens.