Les neurones artificiels reproduisent la fonction biologique pour des puces informatiques améliorées

Des chercheurs de l’École d’ingénierie de l’USC Viterbi et de l’École d’informatique avancée ont développé des neurones artificiels qui reproduisent le comportement électrochimique complexe des cellules biologiques du cerveau.

L'innovation, documentée dans Électronique naturelleconstitue un pas en avant dans la technologie informatique neuromorphique. L’innovation permettra de réduire la taille de la puce de plusieurs ordres de grandeur, de réduire sa consommation d’énergie de plusieurs ordres de grandeur et pourrait faire progresser l’intelligence artificielle générale.

Contrairement aux processeurs numériques conventionnels ou aux puces neuromorphiques existantes basées sur la technologie du silicium qui simulent simplement l'activité neuronale, ces neurones artificiels incarnent ou imitent physiquement la dynamique analogique de leurs homologues biologiques. Tout comme les produits neurochimiques déclenchent l’activité cérébrale, les produits chimiques peuvent être utilisés pour lancer des calculs dans des dispositifs matériels neuromorphiques (inspirés du cerveau). En étant une réplication physique du processus biologique, ils diffèrent des itérations antérieures de neurones artificiels qui n’étaient que des équations mathématiques.

Les travaux, dirigés par Joshua Yang, professeur de génie informatique et électrique à l'USC, qui a également dirigé les travaux dans un article fondateur sur les synapses artificielles il y a plus de dix ans, introduisent un nouveau type de neurone artificiel basé sur ce que l'on appelle le memristor diffusif. Le Électronique naturelle L'article explore comment ces neurones artificiels peuvent permettre une nouvelle classe de puces qui complètent et augmentent les technologies actuelles basées sur le silicium, qui alimentent presque tous les appareils électroniques modernes et s'appuient sur le mouvement des électrons pour les calculs.

Au lieu de cela, le dispositif diffusif introduit par Yang et ses collègues pour construire les neurones reposerait sur le mouvement des atomes. De tels neurones peuvent permettre la création de puces plus récentes qui fonctionneraient de manière plus similaire au fonctionnement de notre cerveau, seraient plus économes en énergie et pourraient se prêter à l'avènement de ce que l'on appelle l'intelligence générale artificielle (AGI).

Comment fonctionne l'appareil

Dans le processus biologique, le cerveau utilise des signaux électriques et chimiques pour piloter l’action du corps. Les neurones ou cellules nerveuses commencent par des signaux électriques qui, lorsqu'ils atteignent l'espace ou l'espace à l'extrémité du neurone (la synapse), sont convertis en signaux chimiques afin de transmettre et de traiter l'information. Une fois que l’information passe au neurone suivant, certains de ces signaux sont à nouveau convertis en signaux électriques dans tout le corps du neurone.

Il s’agit du processus physique que Yang et ses collègues ont réussi à imiter avec une grande fidélité sous plusieurs aspects critiques. Le gros avantage : leur neurone artificiel diffusif basé sur un memristor ne nécessite que l’espace d’un seul transistor, plutôt que les dizaines ou les centaines utilisées dans les conceptions conventionnelles.

En particulier, dans le modèle biologique, les ions ou les particules chargées aident à générer les signaux électriques nécessaires à l’action au sein du neurone. Dans le cerveau humain, de tels processus s'appuient sur des produits chimiques (par exemple des ions) comme le potassium, le sodium ou le calcium pour forcer cette action.

Dans l'article actuel, Yang, directeur du Centre d'excellence en informatique neuromorphique à l'USC, utilise des ions d'argent dans l'oxyde pour générer l'impulsion électrique et imiter les processus permettant d'effectuer des calculs pour des activités telles que le mouvement, l'apprentissage et la planification.

« Même s'il ne s'agit pas exactement des mêmes ions dans nos synapses et neurones artificiels, la physique régissant le mouvement des ions et leur dynamique sont très similaires », dit-il. « L'argent est facile à diffuser et nous donne la dynamique dont nous avons besoin pour imiter le biosystème afin que nous puissions réaliser la fonction des neurones, avec une structure très simple. »

Le nouveau dispositif capable de créer une puce semblable à un cerveau est appelé memristor diffusif en raison du mouvement des ions et de la diffusion dynamique qui se produit avec l'utilisation de l'argent.

Il ajoute que l'équipe a choisi d'utiliser la dynamique ionique pour construire des systèmes intelligents artificiels « parce que c'est ce qui se passe dans le cerveau humain, pour une bonne raison et puisque le cerveau humain est le « gagnant de l'évolution » – le moteur intelligent le plus efficace.

« C'est plus efficace », dit-il, expliquant : « Ce n'est pas que nos puces ou nos ordinateurs ne sont pas assez puissants pour tout ce qu'ils font. C'est qu'ils ne sont pas assez efficaces. Ils consomment trop d'énergie. »

Ceci est particulièrement pertinent, compte tenu du niveau d’énergie nécessaire pour exécuter de grands modèles logiciels avec une énorme quantité de données, comme l’apprentissage automatique pour l’intelligence artificielle.

Yang poursuit en expliquant que contrairement au cerveau, « nos systèmes informatiques existants n'ont jamais été conçus pour traiter des quantités massives de données ou pour apprendre par eux-mêmes à partir de quelques exemples seulement. Une façon d'augmenter à la fois l'énergie et l'efficacité de l'apprentissage est de construire des systèmes artificiels qui fonctionnent selon les principes observés dans le cerveau. »

Si vous recherchez la vitesse pure, les électrons qui exécutent l’informatique moderne seraient les meilleurs pour des opérations rapides. Mais, explique-t-il, « les ions sont un meilleur moyen que les électrons pour incarner les principes du cerveau. Parce que les électrons sont légers et volatils, l'informatique avec eux permet un apprentissage logiciel plutôt qu'un apprentissage matériel, ce qui est fondamentalement différent du fonctionnement du cerveau. »

En revanche, dit-il, « le cerveau apprend en déplaçant des ions à travers les membranes, réalisant ainsi un apprentissage économe en énergie et adaptatif directement dans le matériel, ou plus précisément dans ce que les gens pourraient appeler des « logiciels humides ».

Par exemple, un jeune enfant peut apprendre à reconnaître des chiffres manuscrits après avoir vu seulement quelques exemples de chacun, alors qu'un ordinateur en a généralement besoin de plusieurs milliers pour accomplir la même tâche. Pourtant, le cerveau humain accomplit cet apprentissage remarquable en ne consommant qu’environ 20 watts d’énergie, comparativement aux mégawatts requis par les superordinateurs actuels.

Cette nouvelle méthode est un pas de plus vers l’imitation de l’intelligence naturelle.

Yang a noté que l'argent utilisé dans l'expérience n'est pas facilement compatible avec la fabrication conventionnelle de semi-conducteurs et qu'il faudra étudier d'autres espèces ioniques pour des fonctionnalités similaires.

L'efficacité de ces memristors diffusifs inclut non seulement l'énergie, mais aussi la taille. Normalement, un smartphone possède environ 10 puces mais des milliards de transistors ou de commutateurs qui contrôlent l'activation/la désactivation (des 0 et des 1) qui sous-tendent le calcul.

« Plutôt [with this innovation]nous utilisons simplement une empreinte d'un transistor pour chaque neurone. Nous concevons les éléments de base qui nous permettront à terme de réduire la taille des puces de plusieurs ordres de grandeur et de réduire la consommation d'énergie de plusieurs ordres de grandeur, afin qu'il puisse être durable de réaliser l'IA à l'avenir, avec un niveau d'intelligence similaire sans brûler d'énergie que nous ne pouvons pas maintenir », a déclaré Yang.

« Maintenant que nous avons démontré des éléments constitutifs capables et compacts, des synapses artificielles et des neurones, la prochaine étape consiste à en intégrer un grand nombre et à tester dans quelle mesure nous pouvons reproduire l'efficacité et les capacités du cerveau. »

« Encore plus excitant », conclut Yang, « est la perspective que de tels systèmes fidèles au cerveau pourraient nous aider à découvrir de nouvelles informations sur le fonctionnement du cerveau lui-même. »