Home Science Un nouveau neurone à pointe réduit l'écart entre les neurones biologiques et artificiels

Un nouveau neurone à pointe réduit l'écart entre les neurones biologiques et artificiels

by News Team
0 comment


Simulation d'un neurone SRC pour certaines séquences d'entrées x et différents biais bh. Crédit: Informatique et ingénierie neuromorphiques (2024). DOI : 10.1088/2634-4386/ad473b

Des ingénieurs de l'Université de Liège ont franchi une étape majeure dans l'architecture des réseaux de neurones artificiels en créant un nouveau type de neurone à pointe. Baptisé Spiking Recurrent Cell (SRC), ce modèle innovant allie la simplicité de mise en œuvre à la capacité de reproduire la dynamique des neurones biologiques. Ajoutez à cela l’efficacité énergétique des neurones de pointe, et ce nouveau modèle offre de nouvelles perspectives passionnantes pour l’intelligence artificielle neuro-inspirée. L'ouvrage est publié dans la revue Informatique et ingénierie neuromorphiques.

Les réseaux de neurones artificiels (ANN) et les réseaux de neurones à pointes (SNN) sont deux types de réseaux de neurones utilisés en intelligence artificielle. Cependant, ils diffèrent considérablement dans leur structure, leur fonctionnement et leurs applications.

Les ANN sont largement utilisés pour diverses applications d’apprentissage automatique (reconnaissance d’images, reconnaissance vocale, jeux) et sont relativement plus faciles à mettre en œuvre. Cependant, ils sont inefficaces en énergie et coûteux en calcul.

Les SNN, quant à eux, sont utilisés dans des applications nécessitant une sensibilité au timing précis des événements (robotique, interface cerveau-ordinateur, traitement sensoriel) et offrent une modélisation plus réaliste des processus neuronaux biologiques. Ils diffèrent des ANN dans la mesure où le mode de communication entre les neurones repose exclusivement sur des impulsions (spikes), imitant ainsi le fonctionnement des neurones biologiques.

“Leur principal avantage réside dans leur efficacité énergétique”, explique Florent De Geeter, ingénieur de recherche à l'Institut Montefiore de l'Université de Liège.

“Lorsque ces SNN fonctionnent sur un matériel spécifique, appelé matériel neuromorphique, leur consommation d'énergie devient extrêmement faible. Cette caractéristique signifie que de tels réseaux peuvent être utilisés dans des situations où l'efficacité énergétique est primordiale, comme dans les systèmes embarqués, qui sont des ordinateurs et des ordinateurs autonomes. des systèmes électroniques qui effectuent une tâche précise au sein du dispositif dans lequel ils sont intégrés.

Contrairement aux ANN, les SNN sont difficiles à former et les recherches actuelles se concentrent sur la conception d'algorithmes de formation pour leur permettre de rivaliser avec les ANN sur des tâches complexes.

Dans le cadre d'un projet ambitieux à l'ULiège, des chercheurs ont tenté une nouvelle approche : en modifiant la dynamique d'un type connu de neurone artificiel et facile à entraîner, ils ont réussi à imiter le comportement de neurones biologiques, donnant naissance à un nouveau modèle : la Spiking Recurrent Cell (SRC).

SRC : un pont entre les ANN et les SNN

“L'innovation majeure de cette étude réside dans la conception de cette Spiking Recurrent Cell (SRC)”, explique Damien Ernst, professeur à l'ULiège et co-auteur de l'étude, “un modèle de neurone capable de générer des Spikes de manière autonome, comme les neurones biologiques. Contrairement aux modèles SNN conventionnels où les pointes sont générées artificiellement, le modèle SRC permet une émulation plus naturelle et dynamique des impulsions neuronales. »

Ce nouveau modèle permet d'intégrer les algorithmes d'apprentissage sophistiqués des ANN à l'efficacité énergétique des SNN. Les SRC offrent ainsi une solution hybride, combinant les avantages des deux types de réseaux neuronaux et ouvrant la voie à une nouvelle génération de SNN.

Implications et applications futures

Les applications potentielles des SRC sont vastes. En raison de leur efficacité énergétique, les SNN peuvent être utilisés dans des contextes où la consommation énergétique est critique, comme les systèmes embarqués dans les véhicules autonomes.

“De plus, la capacité du modèle SRC à simuler différents comportements neuronaux en ajustant ses paramètres internes rend ces réseaux plus expressifs et plus proches des réseaux biologiques, permettant des avancées significatives dans la compréhension et la reproduction des fonctions cérébrales”, explique Guillaume Drion, directeur du Laboratoire d'ingénierie neuromorphique de l'ULiège et co-auteur de l'étude.

La création et l'introduction du SRC représentent une avancée significative dans le domaine des réseaux de neurones, combinant les atouts des ANN et des SNN. Cette innovation ouvre de nouvelles perspectives pour le développement de systèmes intelligents plus efficaces et économes en énergie.

Plus d'information:
Florent De Geeter et al, Calcul basé sur Spike utilisant des réseaux de neurones récurrents classiques, Informatique et ingénierie neuromorphiques (2024). DOI : 10.1088/2634-4386/ad473b

Fourni par l'Université de Liège

Citation: Un nouveau neurone à pointe réduit l'écart entre les neurones biologiques et artificiels (29 mai 2024) récupéré le 29 mai 2024 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.



You may also like

Leave a Comment

Our Company

Rivedin Provides news from the source.

Newsletter

Subscribe my Newsletter for new blog posts, tips & new photos. Let's stay updated!

Laest News

@2021 – All Right Reserved. Designed and Developed by RIVEDIN

Are you sure want to unlock this post?
Unlock left : 0
Are you sure want to cancel subscription?
-
00:00
00:00
Update Required Flash plugin
-
00:00
00:00