En ce moment, vous transportez l’ordinateur le plus puissant qui existe : le cerveau humain. Cette machine naturellement super efficace est bien meilleure que tout ce que les humains n’ont jamais construit, il n’est donc pas surprenant que les scientifiques tentent de l’inverser. Plutôt que des bits d’information binaires, les ordinateurs neuromorphiques sont construits avec des réseaux de neurones artificiels, et une équipe MIT a développé une synapse plus réaliste pour mieux connecter ces neurones.
Par souci de simplicité, les ordinateurs traitent et stockent les informations de manière binaire – tout peut être décomposé en une série de uns et de zéros. Ce système nous a bien servi pendant la plus grande partie du siècle, mais avoir accès à un tout nouveau monde de «zones grises» analogiques entre les deux pourrait vraiment donner à l’informatique, un coup de fouet.
Le cerveau est un modèle parfait pour ce genre de système. Bien que nous ayons à peine effleuré la question de savoir comment cela fonctionne exactement, nous savons que le cerveau traite à la fois les signaux analogiques et numériques, traite et stocke les informations dans les mêmes régions et effectue de nombreuses opérations en parallèle. C’est grâce à environ 100 milliards de neurones communiquant de manière dynamique entre eux via quelque 100 milliards de synapses.
Alors que les réseaux neuronaux imitent la pensée humaine du côté du logiciel, les puces neuromorphiques sont beaucoup plus de type cérébral dans la conception de leur matériel. Leur architecture est composée de neurones artificiels qui traitent les données et communiquent entre eux par le biais de synapses artificielles. Le supercalculateur TrueNorth d’IBM est l’un des systèmes neuromorphiques les plus puissants, et Intel a récemment dévoilé une puce plus modeste, axée sur la recherche, appelée Loihi.
Dans les puces neuromorphes conventionnelles, les synapses sont faites de matériaux amorphes coincés entre les couches conductrices des neurones voisins. Les ions traversent ce matériau lorsqu’une tension est appliquée, transférant des données entre les neurones. Le problème est qu’ils peuvent être imprévisibles, avec des défauts dans le milieu de commutation envoyant des ions errant dans des directions différentes.
« Une fois que vous appliquez une certaine tension pour représenter certaines données avec votre neurone artificiel, vous devez l’effacer et être capable de l’écrire exactement de la même manière », explique Jeehwan Kim, chercheur principal sur le projet. « Mais dans un solide amorphe, quand vous écrivez à nouveau, les ions vont dans des directions différentes car il y a beaucoup de défauts. Ce courant change, et c’est difficile à contrôler, c’est le plus gros problème de non-uniformité de la synapse artificielle. »
Pour lutter contre le problème, les chercheurs du MIT ont conçu un nouveau support pour une synapse artificielle. Ils ont commencé avec une plaquette de silicium monocristallin, puis ont ajouté une couche de silicium germanium sur le dessus. Les deux matériaux ont un motif de type treillis, mais le motif de silicium germanium est légèrement plus grand, donc quand les deux se chevauchent, cela forme une sorte de forme d’entonnoir, en gardant les ions dans le droit chemin.
L’équipe a construit une puce neuromorphique en utilisant cette technique, avec des synapses de silicium-germanium mesurant environ 25 nanomètres de large. L’équipe les a ensuite tous testés en leur appliquant une tension et a constaté qu’il y avait globalement une variation d’environ quatre pour cent du courant qui les traversait. Une synapse individuelle, testée sur 700 cycles, a également été trouvée capable de maintenir un courant constant, avec une variation de seulement 1 pour cent.
«C’est le dispositif le plus uniforme que nous puissions atteindre, qui est la clé pour démontrer les réseaux neuronaux artificiels», explique Jeehwan Kim.
Les scientifiques ont ensuite mis la puce à l’épreuve avec un test simulé. Ils ont utilisé un réseau neuronal artificiel qui fonctionnait comme s’il était constitué de trois feuilles de neurones reliées à deux couches de synapses. Ensuite, ils ont fourni des données sur des dizaines de milliers d’échantillons d’écriture manuscrite, et ont découvert que le système était par la suite capable de reconnaître 95% des échantillons qui lui avaient alors été donnés. Ce n’est pas loin de la précision de 97% que des systèmes plus établis peuvent atteindre.
Ensuite, l’équipe prévoit de développer une puce physique neuromorphique capable de gérer cette tâche dans le monde réel.
« En fin de compte, nous voulons une puce de la taille d’un ongle pour remplacer un gros supercalculateur », explique Jeehwan Kim. « Cela ouvre un tremplin pour produire du vrai matériel artificiel. »
https://www.nature.com/articles/s41563-017-0001-5
http://news.mit.edu/2018/engineers-design-artificial-synapse-brain-on-a-chip-hardware-0122
