Les ingénieurs ont mis des dizaines de milliers de synapses cérébrales artificielles sur une seule puce

Les ingénieurs du MIT ont conçu un « cerveau sur une puce », plus petit qu’un morceau de confetti, qui est constitué de dizaines de milliers de synapses cérébrales artificielles appelées « memristors » – des composants à base de silicium qui imitent les synapses de transmission de l’information dans le cerveau humain.

Les chercheurs ont emprunté aux principes de la métallurgie pour fabriquer chaque mémoire à partir d’alliages d’argent et de cuivre, ainsi que de silicium. Lorsqu’ils ont soumis la puce à plusieurs tâches visuelles, celle-ci a pu « se souvenir » des images stockées et les reproduire plusieurs fois, dans des versions plus nettes et plus propres par rapport aux modèles de mémoires existants fabriqués avec des éléments non alliés.

Leurs résultats, publiés aujourd’hui dans la revue Nature NanotechnologieLes chercheurs de l’Institut de recherche sur le cancer (IRSC), de l’Université de l’Alberta et de l’Université de Toronto, font la démonstration d’une nouvelle conception prometteuse de mémoire pour les dispositifs neuromorphes – des dispositifs électroniques basés sur un nouveau type de circuit qui traite l’information d’une manière qui imite l’architecture neurale du cerveau. Ces circuits inspirés du cerveau pourraient être intégrés dans de petits appareils portables et effectuer des tâches de calcul complexes que seuls les superordinateurs d’aujourd’hui sont capables de gérer.

« Jusqu’à présent, les réseaux de synapses artificielles existent sous forme de logiciels. Nous essayons de construire du matériel de réseau neuronal réel pour les systèmes d’intelligence artificielle portables », explique Jeehwan Kim, professeur associé d’ingénierie mécanique au MIT. « Imaginez que vous connectiez un dispositif neuromorphique à une caméra de votre voiture, et qu’il reconnaisse des lumières et des objets et prenne une décision immédiatement, sans avoir à se connecter à Internet. Nous espérons utiliser des mémoires à faible consommation d’énergie pour effectuer ces tâches sur place, en temps réel ».

Les ions errants

Les mémoires, ou transistors de mémoire, sont un élément essentiel de l’informatique neuromorphique. Dans un dispositif neuromorphique, un memristor servirait de transistor dans un circuit, bien que son fonctionnement ressemble davantage à une synapse cérébrale – la jonction entre deux neurones. La synapse reçoit des signaux d’un neurone, sous forme d’ions, et envoie un signal correspondant au neurone suivant.

Un transistor dans un circuit classique transmet des informations en commutant entre l’une des deux valeurs 0 et 1, et ce uniquement lorsque le signal qu’il reçoit, sous la forme d’un courant électrique, est d’une intensité particulière. En revanche, un memristor fonctionnerait selon un gradient, un peu comme une synapse dans le cerveau. Le signal qu’elle produit varierait en fonction de l’intensité du signal qu’elle reçoit. Cela permettrait à un seul memristor d’avoir plusieurs valeurs, et donc d’effectuer une gamme d’opérations beaucoup plus large que les transistors binaires.

Comme une synapse cérébrale, un memristor serait également capable de « se souvenir » de la valeur associée à une intensité de courant donnée, et de produire exactement le même signal la prochaine fois qu’il reçoit un courant similaire. Cela pourrait garantir que la réponse à une équation complexe, ou la classification visuelle d’un objet, est fiable – une prouesse qui implique normalement plusieurs transistors et condensateurs.

En fin de compte, les scientifiques envisagent que les mémoires nécessiteraient beaucoup moins de propriétés de la puce que les transistors classiques, ce qui permettrait de disposer d’appareils informatiques puissants et portables qui ne dépendent pas de superordinateurs, ni même de connexions à Internet.

Les modèles de mémoires existants sont toutefois limités dans leurs performances. Un seul memristor est constitué d’une électrode positive et d’une électrode négative, séparées par un « milieu de commutation », ou espace entre les électrodes. Lorsqu’une tension est appliquée à une électrode, les ions de cette électrode circulent à travers le milieu, formant un « canal de conduction » vers l’autre électrode. Les ions reçus constituent le signal électrique que le mémristor transmet à travers le circuit. La taille du canal ionique (et le signal que la résistance produit finalement) doit être proportionnelle à l’intensité de la tension de stimulation.

Selon Kim, les modèles de résistances existants fonctionnent assez bien dans les cas où la tension stimule un grand canal de conduction, ou un flux important d’ions d’une électrode à l’autre. Mais ces conceptions sont moins fiables lorsque les mémoires doivent générer des signaux plus subtils, via des canaux de conduction plus fins.

Plus un canal de conduction est mince et plus le flux d’ions d’une électrode à l’autre est léger, plus il est difficile pour les ions individuels de rester ensemble. Ils ont plutôt tendance à s’éloigner du groupe et à se dissoudre dans le milieu. Par conséquent, il est difficile pour l’électrode réceptrice de capturer de manière fiable le même nombre d’ions, et donc de transmettre le même signal, lorsqu’elle est stimulée par une certaine gamme de courant faible.

Emprunter à la métallurgie

Kim et ses collègues ont trouvé un moyen de contourner cette limitation en empruntant une technique à la métallurgie, la science de la fusion des métaux en alliages et de l’étude de leurs propriétés combinées.

« Traditionnellement, les métallurgistes essaient d’ajouter différents atomes dans une matrice de masse pour renforcer les matériaux, et nous avons pensé, pourquoi ne pas modifier les interactions atomiques dans notre mémoire, et ajouter un élément d’alliage pour contrôler le mouvement des ions dans notre milieu », dit Kim.

Les ingénieurs utilisent généralement l’argent comme matériau pour l’électrode positive d’une mémoire. L’équipe de Kim a étudié la littérature pour trouver un élément qu’ils pourraient combiner avec l’argent pour maintenir efficacement les ions d’argent ensemble, tout en leur permettant de passer rapidement à travers l’autre électrode.

L’équipe a choisi le cuivre comme élément d’alliage idéal, car il est capable de se lier à la fois à l’argent et au silicium.

« Il agit comme une sorte de pont et stabilise l’interface argent-silicium », explique Kim.

Pour fabriquer des souvenirs à l’aide de leur nouvel alliage, le groupe a d’abord fabriqué une électrode négative en silicium, puis une électrode positive en déposant une légère quantité de cuivre, suivie d’une couche d’argent. Les deux électrodes ont été placées en sandwich autour d’un milieu de silicium amorphe. De cette façon, ils ont modelé une puce de silicium de quelques millimètres carrés avec des dizaines de milliers de mémoires.

Comme premier test de la puce, ils ont recréé une image en gris du bouclier de Captain America. Ils ont assimilé chaque pixel de l’image à une mémoire correspondante dans la puce. Ils ont ensuite modulé la conductance de chaque résistance qui était relative en intensité à la couleur du pixel correspondant.

La puce a produit la même image nette du bouclier, et a pu « se souvenir » de l’image et la reproduire plusieurs fois, par rapport aux puces fabriquées dans d’autres matériaux.

L’équipe a également soumis la puce à une tâche de traitement d’image, programmant les mémoires pour modifier une image, dans ce cas de la Cour Killian du MIT, de plusieurs manières spécifiques, y compris en accentuant et en brouillant l’image originale. Là encore, leur conception a produit les images reprogrammées de manière plus fiable que les modèles de mémoires existants.

« Nous utilisons des synapses artificielles pour faire de vrais tests d’inférence », dit Kim. « Nous aimerions développer davantage cette technologie afin de disposer de réseaux à plus grande échelle pour effectuer des tâches de reconnaissance d’images. Et un jour, vous pourriez être en mesure de transporter des cerveaux artificiels pour effectuer ce genre de tâches, sans avoir à vous connecter à des superordinateurs, à Internet ou au nuage ».

Cette recherche a été financée, en partie, par les fonds du comité de soutien à la recherche du MIT, le laboratoire d’IA Watson du MIT-IBM, le laboratoire de recherche mondiale Samsung et la Fondation nationale des sciences.