Un seul transistor agit comme un neurone et une synapse

Des chercheurs de l’Université nationale de Singapour (NUS) ont démontré qu’un seul transistor en silicium standard, le bloc de construction fondamental des micropuces utilisés dans les ordinateurs, les smartphones et presque tous les systèmes électroniques, peut fonctionner comme un neurone et une synapse biologiques lorsqu’ils sont opérés d’une manière spécifique et non conventionnelle.

Dirigé par le professeur agrégé Mario Lanza du Département de science et d’ingénierie des matériaux du College of Design and Engineering, NUS, le travail de l’équipe de recherche présente une solution très évolutive et économe en énergie pour le matériel réseaux de neurones artificiels (Anns).

Cela apporte calcul neuromorphe– où les puces pourraient traiter les informations plus efficacement, tout comme le cerveau humain—Closer à la réalité. Leur étude était publié dans le journal Nature.

Mettre le cerveau en silicium

Les ordinateurs les plus sophistiqués du monde existent déjà dans nos têtes. Des études montrent que le cerveau humain est, dans l’ensemble, plus économe en énergie que les processeurs électroniques, grâce à près de 90 milliards de neurones qui forment quelque 100 billions de connexions les uns avec les autres, et des synapses qui régiment leur force au fil du temps – un processus appelé plasticité synaptiquequi sous-tend l’apprentissage et la mémoire.

Pendant des décennies, les scientifiques ont cherché à reproduire cette efficacité à l’aide de réseaux de neurones artificiels (ANN). Les ANN ont récemment motivé des progrès remarquables de l’intelligence artificielle (IA), inspiré de manière lâche de la façon dont le cerveau traite les informations.

Mais bien qu’ils empruntent une terminologie biologique, les similitudes ne fonctionnent que des ANN basées sur la peau – basées sur des logiciels, telles que celles qui alimentent les modèles de grands langues comme Chatgpt, ont un appétit vorace pour les ressources de calcul et, par conséquent, l’électricité. Cela les rend peu pratiques pour de nombreuses applications.

L’informatique neuromorphe vise à imiter la puissance de calcul et l’efficacité énergétique du cerveau. Cela nécessite non seulement une refonte de l’architecture du système pour effectuer la mémoire et le calcul au même endroit – le soi-disant informatique en mémoire (IMC) – mais également pour développer des dispositifs électroniques qui exploitent les phénomènes physiques et électroniques capables de reproduire plus fidèlement le fonctionnement des neurones et des synapses.

Cependant, les systèmes informatiques neuromorphes actuels sont bloqués par la nécessité de circuits multi-transistants complexes ou de matériaux émergents qui doivent encore être validés pour la fabrication à grande échelle.

« Pour permettre un véritable calcul neuromorphe, où les micropuces se comportent comme des neurones et des synapses biologiques, nous avons besoin de matériel à la fois évolutif et économe en énergie », a déclaré le professeur Lanza.

L’équipe de recherche NUS a maintenant démontré qu’un seul transistor en silicium standard, lorsqu’il est organisé et opéré de manière spécifique, peut reproduire à la fois le tir neuronal et les changements de poids synaptique – les mécanismes fondamentaux des neurones et synapses biologiques.

Ceci a été réalisé en ajustant la résistance de la borne en vrac à des valeurs spécifiques, ce qui permet de contrôler deux phénomènes physiques qui se produisent dans le transistor: punch par ionisation d’impact et piégeage de charge. De plus, l’équipe a construit une cellule à deux transistors capable d’opérer dans un neurone ou un régime synaptique, que les chercheurs ont appelé «mémoire d’accès aléatoire neuro-synaptique», ou NS-Ram.

« D’autres approches nécessitent des réseaux de transistors complexes ou de nouveaux matériaux avec une fabrication incertaine, mais notre méthode utilise la technologie commerciale CMOS (complémentaire-oxyde-oxyde-semi-conducteur), la même plate-forme que l’on trouve dans les processeurs informatiques modernes et les micropuces de mémoire », a expliqué le professeur Lanza.

« Cela signifie qu’il est évolutif, fiable et compatible avec les processus de fabrication de semi-conducteurs existants. »

Grâce aux expériences, la cellule NS-Ram a démontré faible consommation d’énergiea maintenu des performances stables sur de nombreux cycles de fonctionnement et a montré un comportement cohérent et prévisible sur différents appareils, qui sont tous des attributs souhaités pour créer un matériel ANN fiable adapté aux applications du monde réel.

La percée de l’équipe marque un changement de pas dans le développement de processeurs d’IA compacts et économes en puissance qui pourraient permettre un calcul plus rapide et plus réactif.