De nouvelles recherches montrent un moyen possible d’améliorer l’informatique économe en énergie

La création d’ordinateurs ressemblant à des cerveaux avec des besoins énergétiques minimaux révolutionnerait presque tous les aspects de la vie moderne. Financé par le Département de l’énergie, Quantum Materials for Energy Efficient Neuromorphic Computing (Q-MEEN-C) – un consortium national dirigé par l’Université de Californie à San Diego – a été à l’avant-garde de cette recherche.

Professeur adjoint de physique à l’UC San Diego, Alex Frañó est codirecteur de Q-MEEN-C et pense au travail du centre par phases. Dans la première phase, il a travaillé en étroite collaboration avec le président émérite de l’Université de Californie et professeur de physique Robert Dynes, ainsi que le professeur Rutgers d’ingénierie Shriram Ramanathan. Ensemble, leurs équipes ont réussi à trouver des moyens de créer ou d’imiter les propriétés d’un seul élément cérébral (tel qu’un neurone ou une synapse) dans un matériau quantique.

Maintenant, dans la phase deux, une nouvelle recherche de Q-MEEN-C, publiée dans Nano-lettres, montre que des stimuli électriques passés entre des électrodes voisines peuvent également affecter des électrodes non voisines. Connue sous le nom de non-localité, cette découverte est une étape cruciale dans le voyage vers de nouveaux types d’appareils qui imitent les fonctions cérébrales connues sous le nom d’informatique neuromorphique.

“Dans le cerveau, il est entendu que ces interactions non locales sont nominales – elles se produisent fréquemment et avec un effort minimal”, a déclaré Frañó, l’un des co-auteurs de l’article. “C’est une partie cruciale du fonctionnement du cerveau, mais des comportements similaires reproduits dans des matériaux synthétiques sont rares.”

Comme de nombreux projets de recherche qui portent aujourd’hui leurs fruits, l’idée de tester si la non-localité dans les matériaux quantiques était possible est née pendant la pandémie. Les espaces physiques du laboratoire ont été fermés, de sorte que l’équipe a effectué des calculs sur des tableaux contenant plusieurs appareils pour imiter les multiples neurones et synapses du cerveau. En exécutant ces tests, ils ont constaté que la non-localité était théoriquement possible.

Lorsque les laboratoires ont rouvert, ils ont affiné cette idée et ont enrôlé le professeur associé Duygu Kuzum de l’UC San Diego Jacobs School of Engineering, dont les travaux en génie électrique et informatique les ont aidés à transformer une simulation en un appareil réel.

Cela impliquait de prendre un film mince de nickelate – une céramique “matériau quantique” qui affiche de riches propriétés électroniques – d’insérer des ions hydrogène, puis de placer un conducteur métallique sur le dessus. Un fil est attaché au métal afin qu’un signal électrique puisse être envoyé au nickelate. Le signal amène les atomes d’hydrogène semblables à un gel à se déplacer dans une certaine configuration et lorsque le signal est supprimé, la nouvelle configuration demeure.

“C’est essentiellement à quoi ressemble un souvenir”, a déclaré Frañó. “L’appareil se souvient que vous avez perturbé le matériau. Vous pouvez désormais affiner l’emplacement de ces ions pour créer des voies plus conductrices et plus faciles à traverser pour l’électricité.”

Traditionnellement, la création de réseaux qui transportent suffisamment d’électricité pour alimenter quelque chose comme un ordinateur portable nécessite des circuits compliqués avec des points de connexion continus, ce qui est à la fois inefficace et coûteux. Le concept de conception de Q-MEEN-C est beaucoup plus simple car le comportement non local dans l’expérience signifie que tous les fils d’un circuit n’ont pas besoin d’être connectés les uns aux autres. Pensez à une toile d’araignée, où le mouvement d’une partie peut être ressenti sur toute la toile.

C’est analogue à la façon dont le cerveau apprend : non pas de manière linéaire, mais en couches complexes. Chaque élément d’apprentissage crée des connexions dans plusieurs zones du cerveau, ce qui nous permet de différencier non seulement les arbres des chiens, mais aussi un chêne d’un palmier ou un golden retriever d’un caniche.

À ce jour, ces tâches de reconnaissance de formes que le cerveau exécute si bien ne peuvent être simulées que par un logiciel informatique. Les programmes d’IA comme ChatGPT et Bard utilisent des algorithmes complexes pour imiter les activités cérébrales comme la pensée et l’écriture. Et ils le font vraiment bien. Mais sans matériel avancé correspondant pour le prendre en charge, à un moment donné, le logiciel atteindra sa limite.

Frañó souhaite vivement qu’une révolution matérielle soit parallèle à celle qui se produit actuellement avec les logiciels et montre qu’il est possible de reproduire un comportement non local dans un matériau synthétique à un pas de plus des scientifiques. La prochaine étape consistera à créer des réseaux plus complexes avec plus d’électrodes dans des configurations plus élaborées.

“Il s’agit d’un pas en avant très important dans nos tentatives de comprendre et de simuler les fonctions cérébrales”, a déclaré Dynes, qui est également co-auteur. “Montrer un système qui a des interactions non locales nous conduit plus loin dans la direction de la façon dont notre cerveau pense. Nos cerveaux sont, bien sûr, beaucoup plus compliqués que cela, mais un système physique capable d’apprendre doit être hautement interactif et c’est une première étape nécessaire. Nous pouvons maintenant penser à une cohérence à plus longue portée dans l’espace et dans le temps”

“Il est largement admis que pour que cette technologie explose vraiment, nous devons trouver des moyens d’améliorer le matériel – une machine physique qui peut effectuer la tâche en conjonction avec le logiciel”, a déclaré Frañó. “La prochaine phase sera celle dans laquelle nous créerons des machines efficaces dont les propriétés physiques sont celles qui font l’apprentissage. Cela nous donnera un nouveau paradigme dans le monde de l’intelligence artificielle.”

Ce travail est principalement soutenu par Quantum Materials for Energy Efficient Neuromorphic Computing, un Energy Frontier Research Center financé par le US Department of Energy, Office of Science, Basic Energy Sciences et financé par le US Department of Energy (DE-SC0019273). Une liste complète des bailleurs de fonds se trouve dans les remerciements papier.