La synapse artificielle du MIT première étape vers un cerveau artificiel?
L’équipe a construit une petite puce avec des synapses artificielles en utilisant du silicium-germanium. Dans des simulations, les chercheurs ont découvert que la puce et ses synapses pouvaient être utilisées pour reconnaître des échantillons d’écriture, avec une précision de 95%.
La plupart des conceptions de puces neuromorphiques tentent d’émuler la connexion synaptique entre les neurones en utilisant deux couches conductrices séparées par un milieu de commutation. Lorsqu’une tension est appliquée, les ions se déplacent dans le milieu de commutation pour créer des filaments conducteurs, de la même manière que le poids d’une synapse change.
Dans cette architecture, il est difficile de contrôler le flux d’ions dans les conceptions existantes car il existe de nombreux chemins possibles. « Une fois que vous appliquez une certaine tension pour représenter certaines données avec votre neurone artificiel, vous devez effacer et être capable de le ré-écrire exactement de la même manière », a déclaré Jeehwan Kim, professeur aux départements de génie mécanique et science des matériaux. et chercheur principal au Laboratoire de recherche du MIT de technologie de l’électronique et des microsystèmes. « Mais dans un solide amorphe, quand vous ré-écrivez, les ions vont dans des directions différentes à cause de nombreux défauts dans la structure », a-t-il dit. « Ce flux changer, et c’est difficile à contrôler. C’est le plus gros problème: la non-uniformité de la synapse artificielle. «
Au lieu d’utiliser des matériaux amorphes comme synapse artificielle, Kim et ses collègues ont utilisé du silicium monocristallin et on créé une ligne de unidimensionnelle précise, ou une dislocation, à travers le silicium, à travers lequel les ions peuvent circuler de manière prévisible.
L’équipe a ensuite fait croître un treillis de silicium germanium sur le dessus de la plaquette de silicium. Le réseau du silicium-germanium est légèrement plus grand que celui du silicium, et Kim a découvert que, ensemble, les deux matériaux peuvent former une dislocation en forme d’entonnoir, créant un seul chemin à travers lequel les ions peuvent circuler.
La puce neuromorphique est constituée de synapses artificielles en silicium germanium (SiGe), chacune d’une taille d’environ 25 nm. L’équipe a appliqué une tension à chaque synapse et a constaté que toutes les synapses présentaient plus ou moins le même courant, ou flux d’ions, avec une variation d’environ 4% entre les synapses – une performance beaucoup plus uniforme par rapport aux synapses faites de matériaux amorphes.
Ils ont également testé une synapse unique sur plusieurs essais, en appliquant la même tension sur 700 cycles, et ont trouvé que la synapse présentait le même courant, avec seulement 1% de variation d’un cycle à l’autre. « C’est le dispositif le plus uniforme que nous puissions atteindre, qui est la clé pour démontrer les réseaux neuronaux artificiels », a déclaré Kim.
En tant que test final, l’équipe de Kim a exploré comment son dispositif fonctionnerait s’il devait effectuer des tâches d’apprentissage réelles telles que la reconnaissance d’échantillons d’écriture manuscrite. L’équipe a exécuté une simulation informatique d’un réseau neuronal artificiel composé de trois couches neurales reliées par deux couches de synapses artificielles avec les propriétés de la puce neuromorphique réelle. Ils ont introduit dans leur simulation des dizaines de milliers d’échantillons à partir d’un ensemble de données de reconnaissance manuscrites couramment utilisées par les concepteurs neuromorphes, et ont trouvé que leur matériel de réseau neuronal reconnaissait des échantillons manuscrits 95% du temps comparé à un résultat de 97% pour les algorythmes existants.
L’équipe est en train de construire une puce neuromorphique fonctionnelle capable de réaliser des tâches de reconnaissance d’écriture manuscrite. Au-delà de l’écriture manuscrite, la conception à base de synapses artificielles va permettre de créer des dispositifs de réseaux neuronaux portables beaucoup plus petits capables de réaliser des calculs complexes qui ne sont actuellement possibles qu’avec de grands supercalculateurs.
« En fin de compte, nous voulons créer une puce de la taille d’un ongle pour remplacer un grand supercalculateur », a déclaré Kim. « Cela ouvre un tremplin pour produire du vrai hardware artificiel. »
La Rédaction vous conseille aussi:
Accélérer l’intelligence artificielle avec la nouvelle puce à autoapprentissage Intel
Facebook investit dans Station F pour promouvoir l’IA
Related stories in English:
- TRANSISTORS CANNOT ENABLE VERY LOW-POWER IOT, COULD MEMRISTORS DO THE JOB?
- IBM UNVEILS COGNITIVE COMPUTING CHIPS THAT MIMIC BRAIN CELLS
Si vous avez apprécié cet article, vous aimerez les suivants : ne les manquez pas en vous abonnant à :
