a) Protocole de température d’inversion de rampe. Les étiquettes des boucles principales sont les suivantes : ML1-W signifie Major Loop One lors du réchauffement ; ML1-C signifie Major Loop One lors du refroidissement, et de même pour les autres boucles majeures. Dans les sous-boucles, la température varie de manière répétée entre une température basse de TLn = 59,5 °C et une température élevée de THn = 68 °C, sur un total de n = 11 sous-boucles complètes. Les codes de couleur noir, rouge/orange, vert, cyan et bleu désignent la même région du protocole d’hystérésis dans les panneaux (a à c). b) Courbes d’hystérésis de l’intensité moyenne en fonction de la température tout au long du protocole d’inversion de rampe du panneau (a). c) Intensité moyenne par rapport au numéro d’image. L’intensité est sur une échelle de gris de 0 (noir) à 255 (blanc), après prise en compte de la variation d’éclairage (détaillée ailleurs (19)). La ligne pointillée gris clair suit l’intensité moyenne à la fin de chaque sous-boucle. Encart : Ajustement de l’intensité moyenne à la fin de chaque sous-boucle (c’est-à-dire à THn), par rapport à l’indice de sous-boucle n, à une saturation exponentielle. La constante de temps est nτ = 3,1 ± 0,5 sous-boucles. Cette hausse est visible dans les panneaux (b) et (d) comme la bosse des courbes rouge/orange/verte. d) Zoom montrant l’augmentation progressive après chaque sous-boucle de l’intensité moyenne autour du point d’inflexion haute température TH = 68 °C. Crédit: Matériaux électroniques avancés (2023). DOI : 10.1002/aelm.202300085
La technologie se rapproche de plus en plus du monde de l’informatique ultra-rapide doté de l’intelligence artificielle. Mais le monde est-il équipé du matériel adéquat pour pouvoir gérer la charge de travail liée aux nouvelles avancées technologiques en matière d’IA ?
“Les codes inspirés par le cerveau de la révolution de l’IA sont en grande partie exécutés sur des architectures informatiques conventionnelles en silicium, qui n’ont pas été conçues pour cela”, explique Erica Carlson, professeure de physique et d’astronomie à l’occasion du 150e anniversaire de l’Université Purdue.
Dans le cadre d’un effort conjoint de physiciens de l’Université Purdue, de l’Université de Californie à San Diego (USCD) et de l’École Supérieure de Physique et de Chimie Industrielles (ESPCI) à Paris, en France, les chercheurs pensent avoir découvert un moyen de retravailler le matériel en imitant les synapses du cerveau humain. Ils ont publié leurs résultats, “Mémoire d’inversion de rampe spatialement distribuée en VO2,” dans Matériaux électroniques avancés.
De nouveaux paradigmes matériels seront nécessaires pour gérer la complexité des avancées informatiques de demain. Selon Carlson, principal théoricien de cette recherche, “les architectures neuromorphiques sont prometteuses pour des processeurs à faible consommation d’énergie, des calculs améliorés, des modes de calcul fondamentalement différents, un apprentissage natif et une reconnaissance de formes améliorée”.
L’architecture neuromorphique se résume essentiellement à des puces informatiques imitant le comportement du cerveau. Les neurones sont des cellules du cerveau qui transmettent des informations. Les neurones ont de petits espaces à leurs extrémités qui permettent aux signaux de passer d’un neurone à l’autre, appelés synapses. Dans les cerveaux biologiques, ces synapses codent la mémoire. Cette équipe de scientifiques conclut que les oxydes de vanadium sont extrêmement prometteurs pour l’informatique neuromorphique, car ils peuvent être utilisés pour fabriquer à la fois des neurones artificiels et des synapses.
“La dissonance entre le matériel et les logiciels est à l’origine du coût énergétique extrêmement élevé de la formation, par exemple des grands modèles de langage comme ChatGPT”, explique Carlson. “En revanche, les architectures neuromorphiques promettent une consommation d’énergie moindre en imitant les composants de base d’un cerveau : les neurones et les synapses. Alors que le silicium est bon pour le stockage de la mémoire, le matériau ne se prête pas facilement au comportement de type neurone.
“En fin de compte, pour fournir des solutions matérielles neuromorphiques efficaces et réalisables, il faut rechercher des matériaux ayant un comportement radicalement différent de celui du silicium, ceux qui peuvent naturellement imiter les synapses et les neurones. Malheureusement, les besoins concurrents en matière de conception des synapses et des neurones artificiels signifient que la plupart des matériaux qui constituent de bonnes synapses échouent en tant que neurostors, et vice versa. Seule une poignée de matériaux, pour la plupart des matériaux quantiques, ont la capacité démontrée de faire les deux.
L’équipe s’est appuyée sur un type de mémoire non volatile récemment découvert, piloté par des cycles de température partiels répétés tout au long de la transition isolant-métal. Cette mémoire a été découverte dans les oxydes de vanadium.
Alexandre Zimmers, chercheur expérimental principal à l’Université de Sorbonne et à l’École Supérieure de Physique et de Chimie Industrielles de Paris, explique : « Seuls quelques matériaux quantiques sont de bons candidats pour les futurs dispositifs neuromorphiques, c’est-à-dire imitant les synapses et les neurones artificiels. Pour la première fois, dans l’un d’eux, le dioxyde de vanadium, nous pouvons voir optiquement ce qui change dans le matériau car il fonctionne comme une synapse artificielle. Nous constatons que la mémoire s’accumule dans la totalité de l’échantillon, ouvrant de nouvelles opportunités sur comment et où contrôler cette propriété. ”
“Les vidéos microscopiques montrent que, de manière surprenante, l’avancée et le retrait répétés des domaines métalliques et isolants provoquent une accumulation de mémoire dans l’ensemble de l’échantillon, plutôt qu’aux limites des domaines”, explique Carlson. “La mémoire apparaît comme des changements dans la température locale à laquelle le matériau passe de l’isolant au métal lors du chauffage, ou du métal à l’isolant lors du refroidissement. Nous proposons que ces changements dans la température de transition locale s’accumulent en raison de la diffusion préférentielle de défauts ponctuels dans les domaines métalliques qui sont entrelacés à travers l’isolant lorsque le matériau est recyclé à mi-chemin de la transition.
Maintenant que l’équipe a établi que les oxydes de vanadium sont des candidats possibles pour de futurs dispositifs neuromorphiques, elle prévoit de passer à la prochaine phase de ses recherches.
“Maintenant que nous avons trouvé un moyen de voir l’intérieur de ce matériau neuromorphique, nous pouvons modifier localement et observer les effets, par exemple, du bombardement ionique sur la surface du matériau”, explique Zimmers. “Cela pourrait nous permettre de guider le courant électrique à travers des régions spécifiques de l’échantillon où l’effet mémoire est à son maximum. Cela pourrait potentiellement améliorer considérablement le comportement synaptique de ce matériau neuromorphique.”
Plus d’information:
Sayan Basak et al, Mémoire d’inversion de rampe spatialement distribuée dans VO2, Matériaux électroniques avancés (2023). DOI : 10.1002/aelm.202300085
Fourni par l’Université Purdue
Citation: Recherche en informatique neuromorphique : une équipe propose un matériel qui imite le cerveau humain (6 novembre 2023) récupéré le 6 novembre 2023 sur
Ce document est soumis au droit d’auteur. En dehors de toute utilisation équitable à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans autorisation écrite. Le contenu est fourni seulement pour information.
