En Vedette Nouvelles
Neurones artificiels et IA de nouvelle génération

Une équipe de chercheurs de l’Université d’Oxford, d’IBM Research Europe et de l’Université du Texas a récemment annoncé un exploit important : le développement de neurones artificiels atomiquement minces créés en empilant des matériaux bidimensionnels (2D).

Dans l’étude, les chercheurs ont étendu la fonctionnalité des memristors électroniques en les rendant sensibles aux signaux optiques et électriques. Cela a permis l’existence simultanée de chemins de transmission et de rétroaction distincts au sein du réseau.

L’avancement a permis à l’équipe de créer des réseaux neuronaux gagnants : des programmes d’apprentissage informatique ayant le potentiel de résoudre des problèmes complexes en apprentissage automatique, tels que l’apprentissage non supervisé dans le regroupement et les problèmes d’optimisation combinatoire.

Les matériaux 2D sont constitués de quelques couches d’atomes, et cette échelle fine leur confère diverses propriétés exotiques, qui peuvent être affinées en fonction de la façon dont les matériaux sont superposés.

Dans cette étude, les chercheurs ont utilisé une pile de trois matériaux 2D – graphène, disulfure de molybdène et disulfure de tungstène – pour créer un dispositif qui montre un changement de sa conductance en fonction de la puissance et de la durée de la lumière/électricité qui brille dessus.

Contrairement aux dispositifs de stockage numériques, ces dispositifs sont analogiques et fonctionnent de la même manière que les synapses et les neurones de notre cerveau biologique.

La fonction analogique permet des calculs, où une séquence de signaux électriques ou optiques envoyés à l’appareil produit des changements progressifs dans la quantité de charge électronique stockée.

Ce processus constitue la base des modes seuils pour les calculs neuronaux, analogues à la façon dont notre cerveau traite une combinaison de signaux excitateurs et inhibiteurs.

« C’est un développement très excitant. Notre étude a introduit un nouveau concept qui surpasse l’opération de feedforward fixe généralement utilisée dans les réseaux neuronaux artificiels actuels.

Outre les applications potentielles dans le matériel d’IA, ces résultats actuels de preuve de principe démontrent une avancée scientifique importante dans les domaines plus larges de l’ingénierie neuromorphique et des algorithmes, nous permettant de mieux émuler et comprendre le cerveau » affirme Ghazi Sarwat Syed, membre du personnel de recherche d’IBM Research Europe Suisse.
https://www.ox.ac.uk