La conception unique d'un memristor avec commutation analogique est prometteuse pour l'informatique neuromorphique à haut rendement
L’utilisation croissante de modèles basés sur l’intelligence artificielle (IA) impose des exigences accrues à l’industrie électronique, car bon nombre de ces modèles nécessitent un espace de stockage et une puissance de calcul importants. Les ingénieurs du monde entier ont donc tenté de développer des systèmes informatiques neuromorphiques susceptibles de répondre à ces demandes, dont beaucoup sont basés sur des memristors.
Les memristors sont des composants électroniques qui régulent le flux de courant électrique dans les circuits tout en « mémorisant » la quantité de charge électrique qui les a traversés auparavant. Ces composants pourraient reproduire la fonction des synapses biologiques du cerveau humain, améliorant ainsi l’efficacité avec laquelle les modèles basés sur l’apprentissage automatique analysent les données et effectuent des calculs.
Malgré leur potentiel, la plupart des memristors développés à ce jour présentent des limites importantes, notamment de faibles rapports marche/arrêt. Ces petits rapports entravent la capacité des memristors à représenter des poids précis, augmentant ainsi le bruit et réduisant la précision des prédictions d'un algorithme.
Des chercheurs de l'Université de Wuhan ont récemment développé de nouveaux memristors prometteurs dotés d'une commutation analogique et de rapports marche/arrêt élevés. Ces memristors, présentés dans un article publié dans Électronique naturelleont été fabriqués en utilisant des matériaux métalliques van der Waals bidimensionnels (2D) comme cathodes.
« Les memristors analogiques avec plusieurs états de conductance sont particulièrement utiles dans le calcul neuromorphique à haut rendement, mais leurs capacités de cartographie du poids sont généralement limitées par de petits rapports marche/arrêt », ont écrit Yesheng Li, Yao Xiaong et leurs collègues dans leur article.
« Nous montrons que des memristors avec une commutation résistive analogique et de grands rapports marche/arrêt peuvent être créés en utilisant des matériaux métalliques bidimensionnels de Van der Waals (graphène ou ditellurure de platine) comme cathodes. Les memristors utilisent de l'argent comme anode supérieure et du sulfure de phosphore d'indium comme le médium de commutation. »
La conception unique du memristor proposée par Li, Xiaong et leurs collègues introduit une barrière de diffusion très élevée qui limite la migration des ions argent. Cela permet finalement une commutation analogique, ainsi que des rapports marche/arrêt comparables à ceux rapportés dans les memristors numériques.
« Les approches précédentes se sont concentrées sur la modulation du mouvement des ions en modifiant la couche de commutation résistive ou l'anode, ce qui peut réduire les rapports marche/arrêt », ont écrit Li, Xiaong et leurs collègues.
« En revanche, notre approche repose sur la cathode de van der Waals, qui permet l'intercalation/désintercalation des ions argent, créant ainsi une barrière de diffusion élevée pour moduler le mouvement des ions. La stratégie peut réaliser une commutation résistive analogique avec un rapport marche/arrêt allant jusqu'à 10 ».8états de conductance supérieurs à 8 bits et consommation d'énergie au niveau attojoule.
Pour évaluer leurs memristors, les chercheurs ont effectué une simulation au niveau de la puce d'un réseau neuronal convolutif (CNN) pour la reconnaissance d'images. Leurs résultats étaient très prometteurs, car dans cette simulation, le modèle s'est remarquablement bien comporté, atteignant des précisions de reconnaissance d'image élevées allant jusqu'à 91 %.
À l’avenir, le memristor nouvellement développé par l’équipe pourrait être encore amélioré et utilisé pour exécuter d’autres modèles informatiques avancés basés sur l’IA. En outre, d'autres chercheurs pourraient entreprendre de développer des memristors similaires en utilisant des matériaux alternatifs comme milieu de commutation ou d'autres matériaux de Van der Waals comme cathodes.
