La technologie des systèmes informatiques neuromorphiques imitant le cerveau humain doit surmonter la limitation de la consommation d'énergie excessive, qui est caractéristique de la méthode informatique existante de von Neumann. Un dispositif de synapse artificielle analogique hautes performances capable d'exprimer la force de connexion des synapses est nécessaire pour mettre en œuvre un dispositif à semi-conducteur qui utilise une méthode de transmission d'informations cérébrales. Cette méthode utilise des signaux transmis entre neurones lorsqu'un neurone génère un signal de pointe.

Cependant, avec les dispositifs de mémoire à résistance variable conventionnels largement utilisés comme synapses artificielles, à mesure que le filament se développe avec une résistance variable, le champ électrique augmente, provoquant un phénomène de rétroaction, entraînant une croissance rapide du filament. Par conséquent, il est difficile de mettre en œuvre la plasticité tout en maintenant une variation de résistance analogique (graduelle) concernant le type de filament.

L'Institut coréen des sciences et technologies, dirigé par l'équipe du Dr YeonJoo Jeong au Centre d'ingénierie neuromorphique, a résolu les limites des caractéristiques synaptiques analogiques, de la plasticité et de la préservation des informations, qui sont des obstacles chroniques concernant les memristors, les dispositifs semi-conducteurs neuromorphiques. Il a annoncé le développement d'un dispositif semi-conducteur synaptique artificiel capable d'un calcul neuromorphique hautement fiable.

L'équipe de recherche du KIST a affiné les propriétés redox des ions d'électrodes actives pour résoudre de petits problèmes de plasticité synaptique entravant les performances des dispositifs semi-conducteurs neuromorphiques existants. De plus, les métaux de transition ont été dopés et utilisés dans le dispositif synaptique, contrôlant la probabilité de réduction des ions d'électrode active. Les ingénieurs ont découvert que la forte probabilité de réduction des ions est une variable critique dans le développement de dispositifs synaptiques artificiels à hautes performances.

Par conséquent, un métal de transition de titane, ayant une forte probabilité de réduction d'ions, a été introduit par l'équipe de recherche dans un dispositif synaptique artificiel existant. Cela maintient les caractéristiques analogiques de la synapse et la plasticité du dispositif au niveau de la synapse du cerveau biologique, environ cinq fois la différence entre les résistances élevées et faibles. De plus, ils ont développé un semi-conducteur neuromorphique hautes performances qui est environ 50 fois plus efficace.

De plus, en raison de la réaction de formation d'alliage élevée présentée par le métal de transition au titane dopé, la rétention d'informations a augmenté jusqu'à 63 fois par rapport au dispositif synaptique artificiel existant. De plus, les fonctions cérébrales, y compris la potentialisation à long terme et la dépression à long terme, pourraient être simulées avec plus de précision.

L'équipe a mis en œuvre un modèle d'apprentissage de réseau neuronal artificiel à l'aide du dispositif synaptique artificiel développé et a tenté un apprentissage par reconnaissance d'image par intelligence artificielle. Le taux d'erreur a été réduit de plus de 60 % par rapport au dispositif synaptique artificiel existant; en outre, la précision de reconnaissance du motif d'image d'écriture manuscrite (MNIST) a augmenté de plus de 69 %. L'équipe de recherche a confirmé la faisabilité d'un système informatique neuromorphique haute performance grâce à l'amélioration du dispositif synaptique artificiel.

Le Dr Jeong du KIST a déclaré :"Cette étude a considérablement amélioré l'amplitude des mouvements synaptiques et la préservation des informations, qui étaient les plus grands obstacles techniques des mimiques synaptiques existantes. Dans le dispositif de synapse artificielle développé, la zone de fonctionnement analogique du dispositif pour exprimer les diverses connexions de la synapse ont été maximisées, de sorte que les performances de l'intelligence artificielle basée sur la simulation cérébrale seront améliorées.

"Dans la recherche de suivi, nous fabriquerons une puce semi-conductrice neuromorphique basée sur le dispositif de synapse artificielle développé pour réaliser un système d'intelligence artificielle haute performance, améliorant ainsi encore la compétitivité dans le système domestique et le domaine des semi-conducteurs d'intelligence artificielle."

La recherche a été publiée dans Nature Communications . + Explorer plus loin

Le dispositif de mémoire neuromorphique simule les neurones et les synapses