Des neurones artificiels reproduisent la fonction biologique pour améliorer des puces informatiques
infohightech ·
Un neurone artificiel à impulsions intégré, doté de nombreuses fonctionnalités neuronales, d'une taille réduite à un seul transistor et d'une faible consommation d'énergie pour les systèmes de calcul neuromorphique, peut être créé en empilant un memristor diffusif et une résistance sur un transistor. La photographie en couverture montre la puce d'un réseau de ces neurones intégrés, fabriqués dans la salle blanche de l'université et possédant une région active d'environ 4 μm² par neurone. Crédit : Laboratoire Yang de l'USC
Des chercheurs de l'École d'ingénierie Viterbi et de l'École d'informatique avancée de l'USC ont développé des neurones artificiels qui reproduisent le comportement électrochimique complexe des cellules cérébrales biologiques.
Cette innovation, décrite dans la revue Nature Electronics , représente une avancée majeure dans le domaine de l'informatique neuromorphique. Elle permettra de réduire considérablement la taille et la consommation énergétique des puces, et pourrait contribuer au développement de l'intelligence artificielle générale.
Contrairement aux processeurs numériques classiques ou aux puces neuromorphiques existantes basées sur la technologie du silicium qui se contentent de simuler l'activité neuronale, ces neurones artificiels reproduisent physiquement la dynamique analogique de leurs homologues biologiques. De même que les neurotransmetteurs initient l'activité cérébrale, des substances chimiques peuvent être utilisées pour initier des calculs dans les dispositifs matériels neuromorphiques (inspirés du cerveau) . En tant que réplique physique du processus biologique, ils diffèrent des versions précédentes de neurones artificiels qui n'étaient que des équations mathématiques.
Ces travaux, menés par Joshua Yang, professeur de génie informatique et électrique à l'USC (qui avait déjà dirigé les recherches sur les synapses artificielles il y a plus de dix ans), présentent un nouveau type de neurone artificiel basé sur le memristor diffusif. L'article paru dans Nature Electronics explore comment de tels neurones artificiels pourraient permettre le développement d'une nouvelle génération de puces, complémentaires et venant enrichir les technologies actuelles à base de silicium. Ces dernières alimentent la quasi-totalité des appareils électroniques modernes et reposent sur le mouvement des électrons pour le calcul.
Le dispositif de diffusion mis au point par Yang et ses collègues pour construire ces neurones reposerait quant à lui sur le mouvement des atomes. De tels neurones permettraient de créer des puces plus récentes, fonctionnant de manière plus proche du fonctionnement de notre cerveau, plus économes en énergie et susceptibles de favoriser l'avènement de l' intelligence artificielle générale (IAG).
Fonctionnement de l'appareil
Dans le processus biologique, le cerveau utilise des signaux électriques et chimiques pour déclencher l'action dans l'organisme. Les neurones, ou cellules nerveuses, émettent initialement des signaux électriques qui, lorsqu'ils atteignent l'espace situé à l'extrémité du neurone (la synapse), sont convertis en signaux chimiques afin de transmettre et de traiter l'information. Une fois l'information parvenue au neurone suivant, certains de ces signaux sont à nouveau convertis en signaux électriques dans tout le corps neuronal.
C’est ce processus physique que Yang et ses collègues sont parvenus à reproduire avec une grande fidélité sur plusieurs points essentiels. L’avantage majeur : leur neurone artificiel à base de memristor diffusif ne nécessite que l’espace d’un seul transistor, au lieu des dizaines, voire des centaines, utilisées dans les conceptions classiques.
Dans le modèle biologique, les ions, ou particules chargées, contribuent à générer les signaux électriques qui déclenchent l'activité neuronale. Chez l'humain, ces processus reposent sur des substances chimiques (par exemple, des ions) comme le potassium, le sodium ou le calcium.
Dans cet article, Yang, directeur du Centre d'excellence en informatique neuromorphique de l'USC, utilise des ions d'argent dans l'oxyde pour générer l'impulsion électrique et émuler les processus afin d'effectuer des calculs pour des activités telles que le mouvement, l'apprentissage et la planification.
« Même si les ions présents dans nos synapses et neurones artificiels ne sont pas exactement les mêmes, la physique qui régit leur mouvement et leur dynamique est très similaire », explique-t-il. « L'argent diffuse facilement et nous offre la dynamique nécessaire pour imiter le système biologique et ainsi reproduire la fonction des neurones, avec une structure très simple. »
Le nouveau dispositif capable de créer une puce semblable à un cerveau est appelé memristor diffusif en raison du mouvement des ions et de la diffusion dynamique qui se produisent grâce à l'utilisation de l'argent.
Il ajoute que l'équipe a choisi d'utiliser la dynamique ionique pour construire des systèmes d'intelligence artificielle « parce que c'est ce qui se passe dans le cerveau humain, pour une bonne raison et puisque le cerveau humain est le "gagnant de l'évolution" — le moteur intelligent le plus efficace ».
« C'est plus efficace », dit-il, expliquant : « Ce n'est pas que nos puces ou nos ordinateurs ne soient pas assez puissants pour ce qu'ils font. C'est qu'ils ne sont pas assez efficaces. Ils consomment trop d'énergie. »
Ceci est particulièrement pertinent, compte tenu du niveau d'énergie nécessaire pour exécuter de grands modèles logiciels avec une énorme quantité de données, comme l'apprentissage automatique pour l'intelligence artificielle.
Yang explique ensuite que, contrairement au cerveau, « nos systèmes informatiques actuels n'ont jamais été conçus pour traiter des quantités massives de données ni pour apprendre à partir de quelques exemples seulement. Une façon d'améliorer l'efficacité énergétique et d'apprentissage consiste à concevoir des systèmes artificiels fonctionnant selon des principes observés dans le cerveau. »
Si l'on recherche la vitesse pure, les électrons qui alimentent l'informatique moderne seraient les plus performants pour des opérations rapides. Mais, explique-t-il, « les ions constituent un meilleur support que les électrons pour incarner les principes du cerveau. Du fait de leur légèreté et de leur volatilité, le calcul avec les électrons permet un apprentissage logiciel plutôt que matériel, ce qui est fondamentalement différent du fonctionnement du cerveau. »
En revanche, explique-t-il, « le cerveau apprend en déplaçant des ions à travers les membranes, réalisant ainsi un apprentissage économe en énergie et adaptatif directement dans le matériel, ou plus précisément, dans ce que l'on pourrait appeler le "logiciel humide" ».
Par exemple, un jeune enfant peut apprendre à reconnaître des chiffres écrits à la main après avoir vu seulement quelques exemples de chacun, alors qu'un ordinateur a généralement besoin de milliers d'exemples pour accomplir la même tâche. Pourtant, le cerveau humain réalise cet apprentissage remarquable en consommant seulement une vingtaine de watts, contre des mégawatts pour les supercalculateurs actuels.
Cette nouvelle méthode nous rapproche un peu plus de l'imitation de l'intelligence naturelle.
Yang a fait remarquer que l'argent utilisé dans l'expérience n'est pas facilement compatible avec la fabrication conventionnelle des semi-conducteurs et qu'il faudra étudier d'autres espèces ioniques pour obtenir des fonctionnalités similaires.
L'efficacité de ces memristors diffusifs dépend non seulement de leur consommation d'énergie, mais aussi de leur taille. Un smartphone classique contient environ 10 puces, mais des milliards de transistors ou d'interrupteurs qui contrôlent l'état marche/arrêt (0 et 1) indispensable au calcul.
« Grâce à cette innovation, nous utilisons l'empreinte d'un seul transistor par neurone. Nous concevons les éléments de base qui nous permettront à terme de réduire la taille des puces et la consommation d'énergie de façon considérable, afin de rendre possible l'exécution durable de l'IA à l'avenir, avec un niveau d'intelligence similaire, sans gaspillage d'énergie non durable », explique Yang.
« Maintenant que nous avons démontré l'existence de blocs de construction performants et compacts, des synapses et des neurones artificiels, la prochaine étape consiste à en intégrer un grand nombre et à tester dans quelle mesure nous pouvons reproduire l'efficacité et les capacités du cerveau. »
« Plus passionnant encore », conclut Yang, « est la perspective que de tels systèmes fidèles au cerveau puissent nous aider à découvrir de nouvelles perspectives sur le fonctionnement même du cerveau. »
https://techxplore.com/news/2025-10-artificial-neurons-replicate-biological-function.html