Les neurones artificiels fusionnent DRAM avec des circuits MOS₂ pour mieux imiter l'adaptabilité du cerveau

L'avancement rapide de l'intelligence artificielle (IA) et des systèmes d'apprentissage automatique a augmenté la demande de nouveaux composants matériels qui pourraient accélérer l'analyse des données tout en consommant moins de puissance. Alors que les algorithmes d'apprentissage automatique s'inspirent des réseaux de neurones biologiques, certains ingénieurs ont travaillé sur du matériel qui imite également l'architecture et le fonctionnement du cerveau humain.

Le matériel inspiré du cerveau ou neuromorphe intègre généralement des composants qui imitent le fonctionnement des cellules cérébrales, qui sont donc appelés neurones artificiels. Les neurones artificiels sont liés les uns aux autres, avec leurs connexions affaiblissant ou renforçant au fil du temps.

Ce processus ressemble à une plasticité synaptique, la capacité du cerveau à s'adapter au fil du temps en réponse à l'expérience et à l'apprentissage. En émulant la plasticité synaptique, les systèmes de calcul neuromorphes pourraient exécuter plus efficacement des algorithmes d'apprentissage automatique, consommant moins d'énergie lors de l'analyse de grandes quantités de données et de la prédiction.

Des chercheurs de l'Université Fudan ont récemment développé un appareil basé sur le disulfure de molybdène monocouche ultra-conducteur (MOS₂) qui pourrait imiter l'adaptabilité des neurones biologiques mieux que les autres neurones artificiels introduits dans le passé. Le nouveau système, introduit dans un article publié dans Nature électroniquecombine un type de mémoire informatique connue sous le nom de mémoire dynamique à accès aléatoire (DRAM) avec des circuits basés sur MOS₂.

« Le matériel neuromorphique qui simule avec précision les comportements neuronaux divers pourrait être utile dans le développement de l'intelligence Edge », ont écrit Yin Wang, Saifei Gou et leurs collègues dans leur article.

« Hardware that incorporates synaptic plasticity—adaptive changes that strengthen or weaken synaptic connections—has been explored, but mimicking the full spectrum of learning and memory processes requires the interplay of multiple plasticity mechanisms, including intrinsic plasticity. We show that an integrate-and-fire neuron can be created by combining a dynamic random-access memory and an inverter that are based on wafer-scale monolayer molybdenum films disulfure. « 

Le neurone artificiel développé par les chercheurs a deux composants clés: un système DRAM et un circuit d'onduleur. Les DRAM sont des systèmes de mémoire qui peuvent stocker les charges électriques dans des structures appelées condensateurs. La quantité de charge électrique dans les condensateurs peut être modulée pour imiter les variations de la charge électrique à travers la membrane des neurones biologiques, qui déterminent finalement s'ils tirent ou non.

Un onduleur, en revanche, est un circuit électronique qui peut retourner un signal d'entrée de haute tension à basse tension ou vice versa. Dans le neurone artificiel de l'équipe, ce circuit permet la génération d'éclatements d'électricité ressemblant à ceux observés dans les neurones biologiques lorsqu'ils tirent.

« Dans le système, la tension dans le condensateur de mémoire dynamique à accès aléatoire – c'est-à-dire le potentiel de la membrane neuronale – peut être modulé pour imiter la plasticité intrinsèque », ont écrit les auteurs. « Le module peut également imiter l'adaptation photopique et écotopique du système visuel humain en ajustant dynamiquement sa sensibilité à la lumière. »

Pour évaluer le potentiel du neurone artificiel qu'ils ont créé, les chercheurs en ont fabriqué quelques-uns et les ont assemblés en une grille 3 × 3. Ils ont ensuite testé la capacité de ce réseau de neurones 3×3 pour adapter ses réponses aux entrées en fonction des changements de lumière, imitant la façon dont le système visuel humain s'adapte dans différentes conditions d'éclairage. Enfin, ils ont utilisé leur système pour exécuter un modèle de reconnaissance d'image et ont évalué ses performances.

« Nous fabriquons un réseau de neurones photorécepteurs 3 × 3 et démontrons le codage léger et l'adaptation visuelle », ont écrit les auteurs. « Nous utilisons également le module des neurones pour simuler un modèle de réseau neuronal bioinspiré pour la reconnaissance d'image. »

Le neurone artificiel développé par Wang, Gou et leurs collègues s'est avéré très prometteur jusqu'à présent, en particulier pour la mise en œuvre économe en énergie des modèles de vision informatique et de reconnaissance d'image. À l'avenir, les chercheurs pourraient fabriquer d'autres systèmes informatiques bio-inspirés en fonction de l'appareil nouvellement développé et tester leurs performances sur d'autres tâches de calcul.