Mémoire à semi-conducteurs dans les circuits neuronaux
Elles sont plusieurs fois plus rapides que la mémoire flash et nécessitent beaucoup moins d’énergie : les cellules mémoire memristives pourraient révolutionner l’efficacité énergétique des ordinateurs neuronaux. Dans ces ordinateurs, calqués sur le fonctionnement du cerveau humain, les cellules memristives agissent comme des synapses artificielles. De nombreux groupes à travers le monde travaillent avec des circuits neuronaux compatibles – mais souvent avec un manque de compréhension de leur fonctionnement et avec des modèles défectueux. Les chercheurs de Julich ont maintenant résumé les principes physiques et les modèles dans un article de synthèse complet dans la revue Advances in Physics.
Certaines tâches – telles que la reconnaissance de formes et le langage – sont exécutées très efficacement par le cerveau humain, ne nécessitant qu’environ un dix millième de la puissance de ce que l’on appelle « l’ordinateur von Neumann ». L’une des raisons réside dans les différences structurelles : dans l’architecture von Neumann, il existe une séparation claire entre la mémoire et le processeur, ce qui nécessite le transfert constant de grandes quantités de données. C’est une perte de temps et d’énergie – le soi-disant goulot d’étranglement de von Neumann. Dans le cerveau, le processus de calcul se déroule directement dans la mémoire de données et les synapses biologiques effectuent à la fois des tâches de mémoire et de processeur.
À Jülich, les scientifiques ont travaillé pendant plus de 15 ans sur des dispositifs spéciaux de stockage de données et des composants qui pourraient avoir des propriétés similaires aux synapses du cerveau humain. Les dispositifs de mémoire dits memristifs, également connus sous le nom de memristors, sont extrêmement rapides, économes en énergie et peuvent être minimisés jusqu’à l’échelle du nanomètre. L’action des cellules memristives repose sur un effet très particulier : leur résistance électrique n’est pas constante, mais peut être modifiée et réinitialisée par application d’une tension externe, théoriquement en continu. Le changement de résistance est contrôlé par le mouvement des ions oxygène. Si ceux-ci s’éloignent de la couche d’oxyde métallique semi-conducteur, le matériau devient plus conducteur et la résistance électrique diminue. Ce changement de résistance peut être utilisé pour stocker des informations.
Les processus qui peuvent se produire dans les cellules sont très complexes et varient en fonction du système matériel. Trois chercheurs de l’Institut Jülich Peter Grunberg – le professeur Regina Dittmann, le Dr Stefan Menzel et le professeur Rainer Wasser – ont compilé les résultats de leurs recherches dans un article de synthèse détaillé, « Nanospheres in Metal Oxides : The Mechanism of Valence Change ». Ils expliquent en détail les différents effets physiques et chimiques dans les memristors et mettent en évidence l’influence de ces effets sur les propriétés de commutation et la fiabilité des cellules memristives.
« Si vous regardez les activités de recherche actuelles dans le domaine des circuits neuronaux memristors, elles sont souvent basées sur des approches expérimentales pour améliorer les matériaux », a déclaré Rainer Wasser, directeur de l’Institut Peter Grunberg. « Notre objectif avec notre article de synthèse est de donner aux chercheurs quelque chose avec quoi travailler afin de permettre une amélioration matérielle basée sur des idées. » L’équipe d’auteurs a travaillé sur l’article de près de 200 pages pendant dix ans et il était tout naturel qu’ils continuent à intégrer les progrès des connaissances.
Regina Dittmann de l’Institut Peter Grünberg explique : « Les fonctions similaires des cellules memristives nécessaires pour être utilisées comme synapses artificielles ne sont pas le cas normal. Il y a généralement des sauts soudains de résistance, causés par l’amplification mutuelle du mouvement ionique et de la chaleur Joule. » . « Dans notre article de synthèse, nous fournissons aux chercheurs la compréhension nécessaire de la façon de modifier la dynamique des cellules pour permettre un mode de fonctionnement analogique. »
« Vous voyez encore et encore que les groupes imitent leurs circuits de memristor avec des modèles qui ne tiennent pas du tout compte de la dynamique élevée des cellules. Ces circuits ne fonctionneront jamais. » Stefan Menzel, qui dirige les activités de modélisation à l’Institut Peter Grunberg et a développé de puissants modèles intégrés qui sont maintenant dans le domaine public, a déclaré. « Dans notre article bilan, nous vous présentons les bases très utiles pour une utilisation correcte de nos modèles compacts. »
Feuille de route de l’informatique neuronale
La feuille de route pour l’informatique et l’ingénierie neurale, publiée en mai 2022, montre comment l’informatique neurale peut aider à réduire la consommation d’énergie massive des technologies de l’information à l’échelle mondiale. Dans ce document, des chercheurs de l’Institut Peter Grünberg (PGI-7), ainsi que des experts de premier plan dans le domaine, ont synthétisé diverses possibilités technologiques, approches informatiques, algorithmes d’apprentissage et domaines d’application.
Selon l’étude, les applications en intelligence artificielle, telles que la reconnaissance de formes ou la reconnaissance de la parole, sont susceptibles de bénéficier de manière particulière de l’utilisation de dispositifs neuronaux. En effet, ils reposent – bien plus que l’informatique numérique traditionnelle – sur la transmission de grandes quantités de données. Les cellules memristives permettent de traiter ces énormes ensembles de données directement en mémoire sans les faire aller et venir entre le processeur et la mémoire. Cela peut réduire l’efficacité énergétique des réseaux de neurones artificiels de plusieurs ordres de grandeur.
Les cellules memristives peuvent également être liées pour former des réseaux à haute densité qui permettent aux réseaux de neurones d’apprendre localement. Ainsi, ce que l’on appelle l’informatique de pointe déplace les calculs du centre de données vers l’usine, la voiture ou le domicile des personnes nécessitant des soins. Ainsi, des opérations de surveillance et de contrôle peuvent être effectuées ou des actions de sauvetage initiées sans envoyer de données via le cloud. « Cela permet d’obtenir deux choses à la fois : économiser de l’énergie, et en même temps, les données personnelles et les données liées à la sécurité restent sur le site », explique le professeur Dittmann, qui a joué un rôle clé dans la création de la feuille de route en tant qu’éditeur.