Les chercheurs imitent les neurones du cerveau à l’aide de matériaux semi-conducteurs

Les puces informatiques sont l’un des aspects les plus importants de l’intelligence artificielle (IA). Ces petits composants puissants sont fondamentaux pour la reconnaissance d’images automatique et sont en partie responsables de l’enseignement des robots pour effectuer certaines activités comme marcher. Avec le potentiel croissant de la technologie IA, les puces informatiques d’aujourd’hui doivent être à la fois extrêmement puissantes et économiques, mais cela est difficile à réaliser.

Puisque les microélectroniques conventionnelles ne peuvent être optimisées que dans une certaine mesure en raison de limitations physiques, les chercheurs se sont tournés vers le cerveau humain, comme ils le font souvent, pour trouver l’inspiration sur la façon de traiter et de stocker l’information de manière plus efficace.

Les scientifiques de l’Université technique de Dresde et du Centre de recherche Helmholtz de Dresde-Rossendorf (HZDR) ont réussi à imiter le fonctionnement des neurones du cerveau à l’aide de matériaux semi-conducteurs, pour la première fois.

La recherche a été publiée dans la revue Nature Electronics.

Le travail a été effectué par trois auteurs principaux, dont la physicienne du HZDR Larysa Baraban, et il s’agissait d’une collaboration internationale entre six institutions.

Les microélectroniques d’aujourd’hui vs le neurone artificiel

La technique la plus souvent utilisée aujourd’hui pour améliorer les performances des microélectroniques consiste à réduire la taille des composants. Dans le cas des puces en silicium, cette réduction se produit pour les transistors individuels.

Selon Baraban, « cela ne peut pas continuer indéfiniment – nous avons besoin de nouvelles approches ».

Les chercheurs se sont efforcés de simuler le cerveau et de créer un neurone artificiel capable de combiner le traitement et le stockage de données.

« Notre groupe a une grande expérience dans les domaines des capteurs électroniques biologiques et chimiques », dit Baraban. « Nous avons donc simulé les propriétés des neurones en utilisant les principes des capteurs bios et modifié un transistor à effet de champ classique pour créer un transistor de neurone artificiel ».

Cette approche permet de stocker et de traiter l’information simultanément, le tout dans un seul composant. Dans la technologie de transistor la plus utilisée aujourd’hui, ces deux processus sont séparés, ce qui entraîne des temps de traitement plus lents et des limitations de performance.

Le cerveau humain

Les chercheurs travaillent depuis de nombreuses années sur la construction d’ordinateurs basés sur le cerveau humain, mais beaucoup de ces tentatives ont échoué. Certaines des premières tentatives consistaient à relier des cellules nerveuses à des composants électroniques dans des boîtes de Petri, mais comme le dit Gianaurelio Cuniberti, professeur de science des matériaux et de nanotechnologie à l’Université technique de Dresde, « un circuit imprimé humide qui doit être nourri en permanence n’est d’aucune utilité pour personne ».

L’équipe de chercheurs a réussi à mettre en œuvre le neurotransistor.

« Nous appliquons une substance visqueuse – appelée sol-gel – à une plaquette de silicium conventionnelle avec des circuits. Ce polymère durcit et devient une céramique poreuse », dit Cuniberti. « Les ions se déplacent entre les trous. Ils sont plus lourds que les électrons et mettent plus de temps pour revenir à leur position après excitation. Ce retard, appelé hystérèse, est ce qui provoque l’effet de stockage. Plus un transistor individuel est excité, plus il s’ouvrira et laissera le courant passer. Cela renforce la connexion. Le système apprend ».

Selon l’équipe, la puce sera moins précise et estimera les calculs mathématiques, par rapport à les calculer jusqu’à la dernière décimale.

« Mais ils seront plus intelligents », dit Cuniberti. « Par exemple, un robot avec de tels processeurs apprendra à marcher ou à saisir ; il possédera un système optique et apprendra à reconnaître les connexions. Et tout cela sans avoir à développer aucun logiciel ».

L’un des autres avantages majeurs de ce type d’ordinateur est que la plasticité lui permet de modifier et de s’adapter pendant le fonctionnement. Tout comme le cerveau humain, cela signifie que l’ordinateur peut finir par rencontrer et résoudre des problèmes qu’il n’a jamais été programmé pour résoudre au départ.