Au cours des années 1990, Carver Mead et ses collègues ont combiné la recherche fondamentale en neurosciences avec une conception élégante de circuits analogiques en ingénierie électronique. Ce travail pionnier sur les circuits électroniques neuromorphiques a inspiré des chercheurs allemands et suisses à explorer la possibilité de reproduire la physique de circuits neuronaux réels en utilisant la physique du silicium.

Le domaine de l'électronique neuromorphique « imitant le cerveau » présente un grand potentiel non seulement pour la recherche fondamentale mais aussi pour l'exploitation commerciale de l'informatique toujours à la pointe et des applications de l'« Internet des objets ».

Dans Lettres de physique appliquée Elisabetta Chicca, de l'Université de Bielefeld, et Giacomo Indiveri, de l'Université de Zurich et de l'ETH Zurich, présenter leurs travaux pour comprendre comment les systèmes de traitement neuronal en biologie effectuent le calcul, ainsi qu'une recette pour reproduire ces principes de calcul dans l'électronique analogique/numérique à signaux mixtes et les nouveaux matériaux.

L'une des caractéristiques de calcul les plus distinctives des réseaux de neurones est l'apprentissage, ainsi Chicca et Indiveri sont particulièrement intéressés à reproduire les propriétés adaptatives et plastiques de véritables synapses. Ils ont utilisé à la fois des circuits électroniques standard à semi-conducteurs à oxyde métallique (CMOS) et des technologies avancées de mémoire à l'échelle nanométrique, tels que les dispositifs memristifs¬, pour construire des systèmes intelligents capables d'apprendre.

Ce travail est important, car cela peut conduire à une meilleure compréhension de la mise en œuvre d'un traitement de signal sophistiqué à l'aide d'appareils extrêmement compacts et à faible consommation.

Leurs principales conclusions sont que les inconvénients apparents de ces technologies de calcul à faible consommation, principalement lié à la faible précision, haute sensibilité au bruit et grande variabilité, peut effectivement être exploité pour effectuer des calculs robustes et efficaces, tout comme le cerveau peut utiliser des neurones très variables et bruyants pour mettre en œuvre un comportement robuste.

Les chercheurs ont dit qu'il est surprenant de voir le domaine des technologies de la mémoire, généralement concerné par les technologies d'appareils à haute densité au bit précis, en regardant maintenant les cerveaux des animaux comme une source d'inspiration pour comprendre comment construire des systèmes de traitement neuronal adaptatifs et robustes. Il est tout à fait conforme au programme de recherche fondamentale que Mead et ses collègues suivaient il y a plus de 30 ans.

« Les systèmes de traitement neuronal électronique que nous construisons ne sont pas destinés à concurrencer les systèmes d'intelligence artificielle puissants et précis qui fonctionnent sur de grands clusters informatiques gourmands en énergie pour le traitement du langage naturel ou la reconnaissance et la classification d'images haute résolution, " dit Chicca.

En revanche, leurs systèmes "offrent des solutions prometteuses pour les applications qui nécessitent un traitement en temps réel compact et à très faible consommation (submilliwatt) avec des latences courtes, " a déclaré Indiveri.

Il a déclaré que des exemples de telles applications relèvent du "domaine de l'"informatique de pointe", qui nécessitent une petite quantité d'intelligence artificielle pour extraire des informations à partir de signaux sensoriels en direct ou en streaming, comme pour le traitement des signaux biologiques dans les appareils portables, interfaces cerveau-machine et surveillance environnementale permanente."