Implémenter des systèmes matériels de réseaux neuronaux artificiels en les empilant comme des blocs structurels

Avec l’émergence de nouvelles industries telles que l’intelligence artificielle, l’Internet des objets et l’apprentissage automatique, les plus grandes entreprises mondiales se concentrent sur le développement de semi-conducteurs d’intelligence artificielle de nouvelle génération, capables de traiter de grandes quantités de données tout en consommant efficacement de l’énergie.

L’informatique neuromorphique, inspirée du cerveau humain, en fait partie. En conséquence, des dispositifs imitant les neurones et les synapses biologiques sont développés les uns après les autres sur la base de matériaux et de structures émergents, mais les recherches sur l’intégration de dispositifs individuels dans un système pour les vérifier et les optimiser font encore défaut.

Pour que le matériel de réseau neuronal artificiel à grande échelle devienne pratique à l’avenir, il est essentiel d’intégrer des neurones artificiels et des dispositifs synaptiques, et il est nécessaire de réduire les coûts de production de masse et la consommation d’énergie en fabriquant des dispositifs avec les mêmes matériaux et structures.

Une équipe dirigée par le Dr Joon Young Kwak du Centre d’ingénierie neuromorphique de l’Institut coréen des sciences et technologies (KIST) a mis en œuvre une technologie d’éléments intégrés pour des dispositifs neuromorphiques artificiels capables de connecter des neurones et des synapses comme des « blocs Lego » pour construire de grands matériel de réseau neuronal artificiel à grande échelle. L’étude est publiée dans la revue Matériaux fonctionnels avancés.

L’équipe a fabriqué des dispositifs memristor empilés verticalement en utilisant du hBN, un matériau bidimensionnel avantageux pour une intégration élevée et une mise en œuvre à très faible consommation, afin de démontrer les neurones biologiques et les caractéristiques des synapses.

Depuis que l’équipe a conçu des neurones artificiels et des dispositifs synaptiques avec le même matériau et la même structure, contrairement aux dispositifs d’imitation de neurones artificiels conventionnels à base de silicium CMOS avec des structures complexes utilisant plusieurs dispositifs, les dispositifs développés par l’équipe ont assuré la facilité de processus et l’évolutivité du réseau, ouvrant la voie au développement de matériel de réseau neuronal artificiel à grande échelle.

En intégrant et en connectant les dispositifs développés, l’équipe a également réussi à implémenter la structure « neurone-synapse-neurone », l’unité de base d’un réseau neuronal artificiel, dans du matériel pour démontrer la transmission d’informations basée sur un signal de pointe, comme le fait le cerveau humain. travaux.

En vérifiant expérimentalement que la modulation des informations du signal de pointe entre deux neurones peut être ajustée en fonction des poids synaptiques du dispositif synaptique artificiel, les chercheurs montrent le potentiel de l’utilisation de dispositifs émergents basés sur le hBN pour les systèmes matériels d’IA à grande échelle et à faible consommation. .

« Les systèmes matériels de réseaux neuronaux artificiels peuvent être utilisés pour traiter efficacement de grandes quantités de données générées dans des applications réelles telles que les villes intelligentes, les soins de santé, les communications de nouvelle génération, les prévisions météorologiques et les véhicules autonomes », a déclaré le Dr Joon Young Kwak du KIST. .

« Cela contribuera à améliorer les problèmes environnementaux tels que les émissions de carbone en réduisant considérablement la consommation d’énergie tout en dépassant les limites d’échelle des dispositifs existants basés sur le silicium CMOS. »