Des chercheurs de la Northwestern University, du Boston College et du MIT ont développé un transistor synaptique novateur qui imite le fonctionnement du cerveau humain. Ce dispositif révolutionnaire, opérant à température ambiante, permet un traitement et un stockage simultanés d'informations, marquant une avancée majeure dans le domaine de l'apprentissage automatique. En utilisant des motifs moirés dans des matériaux bidimensionnels comme le graphène et le nitrure de bore hexagonal, les chercheurs ont créé un transistor synaptique doté de capacités neuromorphiques améliorées. Les applications potentielles incluent des améliorations significatives dans les domaines de l'intelligence artificielle et des véhicules autonomes. Bien que prometteuse, la technologie nécessite des études approfondies pour garantir sa scalabilité et sa viabilité à long terme.Le nouveau transistor synaptique est capable de traiter et de stocker des informations simultanément et marque un changement notable par rapport aux tâches traditionnelles d'apprentissage automatique et permet d'effectuer un apprentissage associatif, similaire à la cognition humaine de haut niveau. Grâce à son fonctionnement rapide, à sa faible consommation d'énergie et à sa capacité à conserver les informations sans alimentation, le nouveau transistor est bien adapté aux applications du monde réel.
« Le cerveau a une architecture fondamentalement différente de celle d'un ordinateur numérique », explique Mark Hersam, co-auteur de l'étude et professeur Walter P. Murphy de science et d'ingénierie des matériaux à la McCormick School of Engineering de Northwestern, dans un communiqué de l'université. « Dans un ordinateur numérique, les données font des allers-retours entre le microprocesseur et la mémoire, ce qui consomme beaucoup d'énergie et crée un goulot d'étranglement lorsqu'il s'agit d'effectuer plusieurs tâches en même temps. En revanche, dans le cerveau, la mémoire et le traitement de l'information sont regroupés et totalement intégrés, ce qui se traduit par une efficacité énergétique supérieure de plusieurs ordres de grandeur. Notre transistor synaptique permet d'obtenir une mémoire et un traitement de l'information simultanés afin d'imiter plus fidèlement le cerveau ».
Hersam et son équipe ont utilisé une nouvelle stratégie impliquant des motifs moirés, un type de dessin géométrique formé lorsque deux motifs sont superposés. En empilant des matériaux bidimensionnels tels que le graphène bicouche et le nitrure de bore hexagonal et en les tordant pour former un motif moiré, ils ont pu manipuler les propriétés électroniques des couches de graphène. Cette manipulation a permis de créer un transistor synaptique doté d'une fonctionnalité neuromorphique améliorée à température ambiante.
Pour tester le dispositif, il a fallu l'entraîner à reconnaître des modèles et des similitudes, une forme d'apprentissage associatif. Par exemple, s'il est entraîné à identifier un motif tel que "000", le transistor peut distinguer que "111" est plus similaire à "000" que "101", ce qui témoigne d'un niveau supérieur de fonction cognitive. Cette capacité à traiter des données complexes et imparfaites a des implications importantes pour les applications d'IA dans le monde réel, comme l'amélioration de la fiabilité des véhicules à conduite autonome dans des conditions difficiles.
Les matériaux quantiques moirés abritent des phénomènes électroniques inhabituels en raison d'interactions de Coulomb renforcées au sein de structures bidimensionnelles torsadées. En harmonie avec un contrôle électrostatique exceptionnellement élevé dans les matériaux atomiquement minces, les hétérostructures moirées présentent le potentiel de créer des dispositifs électroniques de nouvelle génération avec des fonctionnalités inégalées. Cependant, malgré des investigations approfondies, les phénomènes électroniques moirés ont été limités à des températures cryogéniques, entravant ainsi leur application pratique dans les matériaux quantiques moirés.
Dans cette étude, les chercheurs ont exposés la réalisation expérimentale et le fonctionnement à température ambiante d'un transistor synaptique moiré à faible puissance (20 pW). Ce dispositif repose sur une hétérostructure moirée bicouche asymétrique de graphène/nitrure de bore hexagonal. Le potentiel moiré asymétrique engendre des états de cliquet électronique robustes, permettant l'injection hystérétique et non volatile de porteurs de charge qui régulent la conductance du dispositif.
Le gating asymétrique dans les hétérostructures moirées à double porte réalise diverses fonctionnalités neuromorphiques boréalistes, telles que des réponses synaptiques reconfigurables, des tempotrons spatiotemporels et une adaptation spécifique à l'entrée de Bienenstock-Cooper-Munro. Ainsi, le transistor synaptique moiré offre des conceptions efficaces pour le calcul en mémoire et des accélérateurs matériels de pointe pour l'intelligence artificielle et l'apprentissage automatique.
L'étude représente un changement de paradigme dans le domaine de l'électronique, en particulier pour les tâches liées à l'intelligence artificielle et à l'apprentissage automatique. En s'éloignant de l'architecture traditionnelle du silicium et en explorant la physique des motifs moirés, les chercheurs ont ouvert un nouveau champ de possibilités pour le matériel informatique, ouvrant la voie à des technologies d'intelligence artificielle plus sophistiquées et plus économes en énergie.
Le transistor synaptique moiré et ses applications prometteuses
L'étude menée par les chercheurs de la Northwestern University, du Boston College et du Massachusetts Institute of Technology (MIT) sur le développement d'un nouveau transistor synaptique présentant des similitudes avec le fonctionnement du cerveau humain est sans conteste fascinante et prometteuse. La conception innovante du dispositif, basée sur des motifs moirés dans des matériaux bidimensionnels tels que le graphène bicouche et le nitrure de bore hexagonal, ouvre la voie à des avancées significatives dans le domaine de l'apprentissage automatique.
L'utilisation de cette stratégie permet de manipuler efficacement les propriétés électroniques des couches de graphène, créant ainsi un transistor synaptique capable de réaliser simultanément le traitement et le stockage d'informations, une caractéristique essentielle pour imiter le fonctionnement du cerveau humain. De plus, le fait que ce dispositif fonctionne efficacement à température ambiante constitue une avancée majeure, éliminant la nécessité de conditions extrêmement froides observée dans les dispositifs informatiques antérieurs similaires.
La déclaration du co-auteur Mark Hersam soulignant la différence fondamentale entre l'architecture du cerveau et celle d'un ordinateur numérique est pertinente. L'efficacité énergétique supérieure résultant de la consolidation de la mémoire et du traitement de l'information dans le cerveau, reproduite par le transistor synaptique, offre des perspectives passionnantes pour des applications pratiques du monde réel.
L'explication de la méthode d'entraînement du transistor à reconnaître des modèles complexes, démontrant une forme d'apprentissage associatif, est convaincante. La capacité du transistor à traiter des données complexes et imparfaites présente des implications significatives pour des domaines tels que la fiabilité des véhicules autonomes dans des conditions difficiles, soulignant le potentiel de cette technologie pour des applications d'intelligence artificielle concrètes.
Cependant, il est essentiel de noter que, bien que les résultats de cette étude soient prometteurs, des questions subsistent quant à la scalabilité, la fiabilité à long terme et la viabilité commerciale de cette technologie. Des recherches supplémentaires et des tests approfondis seront nécessaires pour confirmer la faisabilité de l'intégration de ces transistors synaptiques dans des applications réelles à grande échelle. Bien que cette avancée soit captivante, la prudence et la poursuite de la recherche sont de rigueur pour concrétiser pleinement son potentiel révolutionnaire.
Sources : New brain-like transistor mimics human intelligence, Researchers from Northwestern University, Boston College, and the Massachusetts Institute of Technology (1, 2)
Et vous ?
Les conclusions de ces travaux de chercheurs sont-elles pertinentes ? Quelles sont les limites actuelles de ce nouveau transistor d'IA en termes de scalabilité et de performances à grande échelle, et quelles recherches sont nécessaires pour surmonter ces limitations ? Quels sont les défis potentiels liés à la commercialisation de cette innovation, et comment les chercheurs envisagent-ils de surmonter ces obstacles pour rendre cette technologie accessible à un large public ? Dans quelle mesure les résultats de cette recherche sont-ils reproductibles par d'autres équipes de recherche indépendantes, et quelles étapes ont été prises pour garantir la validité et la fiabilité des résultats ?Voir aussi :
DeepSouth : un superordinateur capable de simuler l'intégralité du cerveau humain sera mis en service en 2024, à l'université Western Sydney DIRPA : l'armée américaine se lance dans le développement d'une technologie sans fil, permettant de contrôler des armes avec votre esprit