Ces systèmes pourraient potentiellement surmonter les obstacles informatiques rencontrés par les technologies numériques actuelles –

“Il s’agit de la première étude où nous avons pu émuler un neurone avec un seul appareil nanométrique, qui aurait autrement besoin de centaines de transistors”, a déclaré le Dr R. Stanley Williams, auteur principal de l’étude et professeur au Département de Génie électrique et informatique. “Nous avons également été en mesure d’utiliser avec succès les réseaux de nos neurones artificiels pour résoudre des versions jouets d’un problème du monde réel qui est intensément en calcul, même pour les technologies numériques les plus sophistiquées.”

En particulier, les chercheurs ont démontré la preuve de concept que leur système inspiré du cerveau peut identifier des mutations possibles dans un virus, ce qui est très pertinent pour garantir l’efficacité des vaccins et des médicaments pour les souches présentant une diversité génétique.

Au cours des dernières décennies, les technologies numériques sont devenues plus petites et plus rapides, en grande partie grâce aux progrès de la technologie des transistors. Cependant, ces composants de circuit critiques approchent rapidement de leur limite de taille réduite, amorçant un effort mondial pour trouver un nouveau type de technologie qui peut compléter, voire remplacer, les transistors.

En plus de ce problème de “mise à l’échelle”, les technologies numériques à base de transistors présentent d’autres défis bien connus. Par exemple, ils ont du mal à trouver des solutions optimales lorsqu’ils sont présentés avec de grands ensembles de données.

“Prenons un exemple familier de recherche de l’itinéraire le plus court entre votre bureau et votre domicile. Si vous devez faire un seul arrêt, c’est un problème assez facile à résoudre. Mais si, pour une raison quelconque, vous devez faire 15 arrêts entre les deux, vous ont 43 milliards d’itinéraires à choisir », a déclaré le Dr Suhas Kumar, auteur principal de l’étude et chercheur à Hewlett Packard Labs. “Il s’agit maintenant d’un problème d’optimisation et les ordinateurs actuels sont plutôt incapables de le résoudre.”

Kumar a ajouté qu’une autre tâche ardue pour les machines numériques est la reconnaissance de formes, comme l’identification d’un visage comme étant le même quel que soit le point de vue ou la reconnaissance d’une voix familière enfouie dans un vacarme de sons.

Mais les tâches qui peuvent envoyer des machines numériques dans une tizzy de calcul sont celles dans lesquelles le cerveau excelle. En fait, les cerveaux ne sont pas seulement rapides pour les problèmes de reconnaissance et d’optimisation, mais ils consomment également beaucoup moins d’énergie que les systèmes numériques. Par conséquent, en imitant la façon dont le cerveau résout ces types de tâches, Williams a déclaré que les systèmes neuromorphiques ou inspirés du cerveau pourraient potentiellement surmonter certains des obstacles informatiques rencontrés par les technologies numériques actuelles.

Pour construire le bloc de construction fondamental du cerveau ou d’un neurone, les chercheurs ont assemblé un dispositif synthétique à l’échelle nanométrique composé de couches de différents matériaux inorganiques, chacun ayant une fonction unique. Cependant, ils ont dit que la vraie magie se produit dans la couche mince faite de dioxyde de niobium.

Lorsqu’une petite tension est appliquée à cette région, sa température commence à augmenter. Mais lorsque la température atteint une valeur critique, le dioxyde de niobium subit un changement rapide de personnalité, passant d’un isolant à un conducteur. Mais à mesure qu’il commence à conduire des courants électriques, sa température baisse et le dioxyde de niobium redevient un isolant.

Ces transitions de va-et-vient permettent aux dispositifs synthétiques de générer une impulsion de courant électrique qui ressemble étroitement au profil des pics électriques, ou potentiels d’action, produits par les neurones biologiques. De plus, en modifiant la tension à travers leurs neurones synthétiques, les chercheurs ont reproduit une riche gamme de comportements neuronaux observés dans le cerveau, tels que le déclenchement soutenu, en rafale et chaotique de pics électriques.

«Capturer le comportement dynamique des neurones est un objectif clé pour les ordinateurs inspirés du cerveau», a déclaré Kumar. «Au total, nous avons pu recréer environ 15 types de profils de déclenchement neuronaux, tous utilisant un seul composant électrique et à des énergies bien inférieures par rapport aux circuits à transistors.

Pour évaluer si leurs neurones synthétiques peuvent résoudre des problèmes du monde réel, les chercheurs ont d’abord câblé 24 appareils de ce type à l’échelle nanométrique dans un réseau inspiré des connexions entre le cortex du cerveau et le thalamus, une voie neuronale bien connue impliquée dans la reconnaissance de formes. Ensuite, ils ont utilisé ce système pour résoudre une version jouet du problème de reconstruction des quasi-espèces virales, où les variations mutantes d’un virus sont identifiées sans génome de référence.

Au moyen d’entrées de données, les chercheurs ont introduit le réseau à des fragments de gènes courts. Ensuite, en programmant la force des connexions entre les neurones artificiels au sein du réseau, ils ont établi des règles de base pour joindre ces fragments génétiques. La tâche du réseau, semblable à un puzzle, était de répertorier les mutations du génome du virus en fonction de ces courts segments génétiques.

Les chercheurs ont découvert qu’en quelques microsecondes, leur réseau de neurones artificiels s’est installé dans un état qui était indicatif du génome d’une souche mutante.

Williams et Kumar ont noté que ce résultat est la preuve de principe que leurs systèmes neuromorphiques peuvent rapidement effectuer des tâches de manière économe en énergie.

Les chercheurs ont déclaré que les prochaines étapes de leur recherche consisteraient à élargir le répertoire des problèmes que leurs réseaux de type cerveau peuvent résoudre en incorporant d’autres schémas de déclenchement et certaines propriétés caractéristiques du cerveau humain telles que l’apprentissage et la mémoire. Ils prévoient également de relever les défis matériels pour la mise en œuvre de leur technologie à une échelle commerciale.

“Le calcul de la dette nationale ou la résolution d’une simulation à grande échelle n’est pas le type de tâche pour laquelle le cerveau humain est doué et c’est pourquoi nous avons des ordinateurs numériques. Alternativement, nous pouvons tirer parti de nos connaissances des connexions neuronales pour résoudre des problèmes que le cerveau est exceptionnellement bon », a déclaré Williams. “Nous avons démontré qu’en fonction du type de problème, il existe des moyens différents et plus efficaces de faire des calculs autres que les méthodes conventionnelles utilisant des ordinateurs numériques à transistors.”