L’électricité aide à trouver des matériaux qui peuvent « apprendre »

Une équipe de scientifiques du laboratoire national d’Argonne a pu observer un matériau non vivant imitant un comportement associé à l’apprentissage, ce qui, selon eux, peut conduire à de meilleurs systèmes d’intelligence artificielle (IA).

L’article décrivant l’étude a été publié dans Advanced Intelligent Systems.

Le groupe vise à développer la prochaine génération d’ordinateurs et s’inspire du cerveau humain.

Matériaux non biologiques avec des comportements similaires à l’apprentissage

Les chercheurs qui cherchent à créer des ordinateurs inspirés du cerveau se tournent souvent vers des matériaux non biologiques qui laissent penser qu’ils pourraient adopter des comportements similaires à l’apprentissage. Ces matériaux pourraient être utilisés pour construire du matériel qui pourrait être associé à de nouveaux algorithmes logiciels, permettant ainsi une IA plus économe en énergie.

L’étude a été menée par des scientifiques de l’Université Purdue. Ils ont exposé de l’oxyde de nickel déficient en oxygène à des impulsions électriques brèves et ont obtenu deux réponses électriques différentes similaires à l’apprentissage. Selon le professeur de l’Université Rutgers, Shriram Ramanathan, qui était professeur à l’Université Purdue au moment de l’étude, ils ont créé un système entièrement électrique qui a démontré des comportements d’apprentissage.

L’équipe de recherche a utilisé les ressources de la source de photons avancée (APS), une installation du ministère de l’Énergie des États-Unis (DOE) située au laboratoire national d’Argonne.

Habituation et sensibilisation

La première réponse qui se produit est l’habituation, qui se produit lorsque le matériau s’habitue à être légèrement stimulé. Bien que la résistance du matériau augmente après une impulsion initiale, les chercheurs ont noté qu’il s’habitue au stimulus électrique.

Fanny Rodolakis est physicienne et scientifique de la ligne de faisceau à l’APS.

« L’habituation est comme ce qui se passe lorsque vous vivez près d’un aéroport », dit Rodolakis. « Le jour où vous emménagez, vous pensez « quel tapage », mais finalement, vous ne vous en rendez même plus compte. »

La deuxième réponse montrée par le matériau est la sensibilisation, qui se produit lorsqu’une dose plus importante d’électricité est administrée.

« Avec un stimulus plus important, la réponse du matériau augmente au lieu de diminuer avec le temps », dit Rodolakis. « C’est comme regarder un film d’horreur, puis avoir quelqu’un qui vous dit « boo ! » derrière un coin — vous le voyez vraiment sursauter. »

« Pratiquement tous les organismes vivants présentent ces deux caractéristiques », poursuit Ramanathan. « Elles sont vraiment un aspect fondamental de l’intelligence. »

Les deux comportements sont contrôlés par des interactions quantiques qui se produisent entre les électrons. Ces interactions ne peuvent pas être décrites par la physique classique et jouent un rôle dans la formation de la base d’une transition de phase dans le matériau.

« Un exemple de transition de phase est un liquide qui devient solide », dit Rodolakis. « Le matériau que nous examinons est juste à la limite, et les interactions concurrentes qui se produisent au niveau électronique peuvent facilement être renversées d’une manière ou d’une autre par de petits stimuli. »

Selon Ramanathan, il est essentiel d’avoir un système qui puisse être entièrement contrôlé par des signaux électriques.

« Être capable de manipuler les matériaux de cette façon permettra au matériel de prendre en charge une partie de la responsabilité de l’intelligence », dit-il. « Utiliser les propriétés quantiques pour intégrer l’intelligence dans le matériel représente une étape clé vers l’informatique économe en énergie. »

Surmonter le dilemme de stabilité-plasticité

Les scientifiques peuvent utiliser la différence entre l’habituation et la sensibilisation pour surmonter le dilemme de stabilité-plasticité, qui est un défi majeur dans le développement de l’IA. Les algorithmes ont souvent du mal à s’adapter à de nouvelles informations, et lorsqu’ils le font, ils oublient souvent certaines de leurs expériences ou connaissances précédentes. Si les scientifiques créent un matériau qui peut s’habituer, ils peuvent l’enseigner à ignorer ou oublier les informations inutiles et acquérir une stabilité supplémentaire. D’un autre côté, la sensibilisation pourrait entraîner le système à se souvenir et à intégrer de nouvelles informations, ce qui permet la plasticité.

« L’IA a souvent du mal à apprendre et à stocker de nouvelles informations sans écraser les informations qui ont déjà été stockées », dit Rodolakis. « Trop de stabilité empêche l’IA d’apprendre, mais trop de plasticité peut entraîner une perte catastrophique. »

Selon l’équipe, l’un des grands avantages de la nouvelle étude était la petite taille du dispositif à oxyde de nickel.

« Ce type d’apprentissage n’avait pas été réalisé dans la génération actuelle d’électronique sans un grand nombre de transistors », explique Rodolakis. « Le système à jonction unique est le plus petit système à ce jour pour montrer ces propriétés, ce qui a de grandes implications pour le développement possible de la ciruiterie neuromorphique. »