Des scientifiques des laboratoires du CNRS, de Thales ainsi que des Universités de Bordeaux, de Paris-Sud, et d’Evry sont parvenus à créer une synapse artificielle, capable d’apprendre de façon totalement autonome et à la modéliser sur une puce électronique. Cela va permettre de créer des circuits plus complexes, pouvant reproduire des réseaux de neurones. Ces travaux de biomimétique ont été publiés par la revue Nature Communications le 3 avril dernier.
Décrit pour la première fois en 1971, le memristor (ou memristance) est un composant électronique passif, au même titre que le condensateur ou la résistance. Ce composant, constitué d’une couche ferroélectrique enserrée par deux électrodes, intéresse depuis quelques années les chercheurs pour ses capacités à imiter les neurones et synapses des cerveaux biologiques.
En se basant sur le fonctionnement du cerveau humain, le memristor désormais modélisé par l’équipe française va pouvoir permettre une amélioration des processus d’apprentissage et le développement de systèmes complexes à partir de réseaux neuronales. Il va également être particulièrement utile pour réduire la puissance informatique jusqu’à présent nécessaire pour réaliser des travaux en matière d’intelligence artificielle.
Le modèle physique de memristor créé par le groupe de chercheurs intéresse déjà beaucoup le monde de l’intelligence artificielle et va être exploité par le projet de recherche collaboratif européen ULPEC H2020 qui travaille sur une caméra doté d’une reconnaissance visuelle des formes optimale.
Référence : Sören Boyn, Julie Grollier, Gwendal Lecerf, Bin Xu, Nicolas Locatelli, Stéphane Fusil, Stéphanie Girod, Cécile Carrétéro, Karin Garcia, Stéphane Xavier, Jean Tomas, Laurent Bellaiche, Manuel Bibes, Agnès Barthélémy, Sylvain Saïghi, Vincent Garcia. Learning through ferroelectric domain dynamics in solid-state synapses. Nature Communications, 2017; 8: 14736 DOI: 10.1038/NCOMMS14736
Image de couverture (c) Sören Boyn/CNRS/Thales physics joint research unit
