Les memristors constituent des synapses artificielles polyvalentes pour l’informatique neuromorphique – Physics World

La plupart des ordinateurs modernes – depuis les géants primitifs remplissant l'espace comme l'ENIAC jusqu'au smartphone dans votre poche – sont construits selon un ensemble de principes énoncés par le mathématicien John von Neumann en 1945. Cette architecture von Neumann, comme on l'appelle, intègre de nombreux éléments familiers, notamment une unité centrale de traitement, une mémoire pour stocker les données et les instructions, ainsi que des périphériques d'entrée et de sortie. Malgré son omniprésence, le modèle de von Neumann n'est pas le seul moyen de construire un ordinateur et, pour certaines applications, il n'est pas non plus le plus souhaitable.

Une alternative émergente est connue sous le nom d’informatique neuromorphique. Comme leur nom l'indique, les ordinateurs neuromorphiques s'inspirent de l'architecture du cerveau humain et utilisent des neurones artificiels et des synapses artificielles hautement connectés pour simuler la structure et les fonctions du cerveau. Pour des chercheurs comme Le Zhao de Chine Université de technologie de Qilu, ce modèle neuromorphique offre une fantastique opportunité de développer un nouveau paradigme informatique – à condition que nous puissions développer des neurones artificiels et des synapses dotés des propriétés appropriées.

Dans un article récent publié dans Matériaux à terme, Zhao et ses collègues décrivent comment utiliser un memristor – essentiellement un interrupteur qui « se souvient » de l'état électrique dans lequel il se trouvait, même après la mise hors tension – pour émuler la fonction d'une synapse dans le cerveau. Ici, il explique les objectifs et les plans de l'équipe.

Quelle a été la motivation de vos recherches ?

Nous essayons de développer des systèmes neuromorphiques capables de surpasser l'architecture informatique actuelle de von Neumann en termes de réduction de la consommation d'énergie et d'augmentation de l'intelligence. Beaucoup de ces systèmes nécessitent des dispositifs électroniques dotés de dynamiques multiples pour réaliser les fonctions souhaitées. Ces diverses exigences, telles que la coexistence de dynamiques de commutation volatiles et non volatiles, peuvent difficilement être satisfaites dans des dispositifs memristifs individuels.

Pour cette raison, la réalisation d’applications ciblées repose généralement sur des conceptions de circuits neuronaux sur mesure composés de memristors dotés de diverses propriétés dynamiques. Le problème est que cette dépendance à l’égard de plusieurs conceptions personnalisées limite le développement de systèmes neuromorphiques compacts et de faible puissance. Il est donc d’une grande importance d’intégrer plusieurs dynamiques inhérentes dans un dispositif individuel et de développer des dispositifs neuromorphiques multifonctionnels, tels qu’un émulateur synaptique polyvalent capable de simuler entièrement les fonctions des synapses biologiques à l’aide d’un seul dispositif.

Les avantages de cette démarche sont que l’universalité du dispositif peut augmenter la complexité informatique du système sans augmenter le budget matériel et superficiel. De cette façon, nous pouvons réaliser une informatique très efficace dans les systèmes nerveux biologiques. Le développement de dispositifs dotés de propriétés dynamiques plus complexes constitue donc une approche cruciale vers la réalisation d’un système informatique de type cerveau.

Qu'avez-vous fait dans le journal ?

Nous avons développé avec succès une synapse artificielle avec de multiples fonctions synaptiques et des caractéristiques hautement adaptatives basées sur un simple SrTiO₃/Nb : SrTiO₃ hétérojonction. Cette synapse artificielle prend en charge de nombreuses fonctions d'apprentissage synaptique, notamment la plasticité court/long terme (STP/LTP), la transition de STP à LTP, les comportements d'apprentissage-oubli-réapprentissage, l'apprentissage associatif et le filtrage dynamique. Nous avons implémenté toutes ces fonctions dans un seul appareil de manière bioréaliste.

Le memristor quantique ouvre la voie à l'informatique quantique neuromorphique

Notre émulateur synaptique multifonctionnel possède une capacité de calcul avancée même s’il est basé sur une hétérostructure simple. Nous pensons donc que cela présente un grand potentiel pour des applications dans des systèmes informatiques neuromorphiques compacts et de faible consommation. Nos résultats suggèrent que nos synapses artificielles, qui combinent diverses fonctions synaptiques avec une structure simple, sont des candidats potentiels pour des dispositifs informatiques neuromorphiques polyvalents.

Que comptez-vous faire ensuite ?

Nous travaillerons au développement de dispositifs à synapses artificielles plus polyvalents. Par exemple, nous développons des dispositifs synaptiques multimodaux capables de simuler le processus d’apprentissage et de mémoire du cerveau humain en mettant en synergie diverses perceptions telles que la vision, l’odorat et l’audition.

• Contenu propulsé par le référencement et distribution de relations publiques. Soyez amplifié aujourd'hui.
• PlatoData.Network Ai générative verticale. Autonomisez-vous. Accéder ici.
• PlatoAiStream. Intelligence Web3. Connaissance Amplifiée. Accéder ici.
• PlatonESG. Automobile / VE, Carbone, Technologie propre, Énergie, Environnement, Solaire, La gestion des déchets. Accéder ici.
• PlatoHealth. Veille biotechnologique et essais cliniques. Accéder ici.
• GraphiquePrime. Élevez votre jeu de trading avec ChartPrime. Accéder ici.
• Décalages de bloc. Modernisation de la propriété des compensations environnementales. Accéder ici.
• La source: https://physicsworld.com/a/memristors-make-versatile-artificial-synapses-for-neuromorphic-computing/