Architecture neuromorphique avec des neurones à niveau réglé. L'état interne d'un neurone primaire est utilisé pour activer un ensemble de neurones réglés en niveau. Crédit :Pantazi et al. ©2016 Éditions IOP
(Phys.org)—Lorsque vous entendez un son, seuls certains des neurones du cortex auditif de votre cerveau sont activés. C'est parce que chaque neurone auditif est réglé sur une certaine gamme de sons, de sorte que chaque neurone est plus sensible que d'autres à des types et niveaux de son particuliers. Dans une nouvelle étude, les chercheurs ont conçu un système informatique neuromorphique (« inspiré du cerveau ») qui imite cette sélectivité neuronale en utilisant des neurones artificiels à réglage de niveau qui répondent préférentiellement à des types spécifiques de stimuli.
À l'avenir, les neurones à niveau réglé peuvent aider les systèmes informatiques neuromorphiques à effectuer des tâches que les ordinateurs traditionnels ne peuvent pas, comme apprendre de leur environnement, la reconnaissance de formes, et l'extraction de connaissances à partir de sources de mégadonnées.
Les chercheurs, Angélique Pantazi et al ., à IBM Research-Zurich et à l'École Polytechnique Fédérale de Lausanne, à la fois en Suisse, ont publié un article sur la nouvelle architecture neuromorphique dans un récent numéro de Nanotechnologie .
Comme toutes les architectures de calcul neuromorphiques, le système proposé est basé sur les neurones et leurs synapses, qui sont les jonctions où les neurones s'envoient des signaux. Dans cette étude, les chercheurs ont physiquement implanté des neurones artificiels à l'aide de matériaux à changement de phase. Ces matériaux ont deux états stables :un cristallin, état de faible résistivité et amorphe, état de haute résistivité. Tout comme dans l'informatique traditionnelle, les états peuvent être commutés par l'application d'une tension. Lorsque la conductance du neurone atteint un certain seuil, le neurone se déclenche.
"Nous avons démontré que les dispositifs memristifs basés sur le changement de phase peuvent être utilisés pour créer des neurones artificiels et des synapses pour stocker et traiter des données, " a déclaré le coauteur Evangelos Eleftheriou d'IBM Research-Zurich Phys.org . "Un neurone à changement de phase utilise la configuration de phase du matériau à changement de phase pour représenter son état interne, le potentiel membranaire. Pour la synapse à changement de phase, le poids synaptique, qui est responsable de la plasticité, est codé par la conductance du nanodispositif.
Dans cette architecture, chaque neurone est réglé sur une plage spécifique, ou niveau. Les neurones reçoivent des signaux de nombreux autres neurones, et un niveau est défini comme la contribution cumulative de la somme de ces signaux entrants.
Les neurones réglés en niveau peuvent apprendre à distinguer deux modèles d'image (tels que le logo IBM Watson et le texte « IBM Research Zurich ») dans un grand ensemble de signaux d'entrée. Crédit :Pantazi et al. ©2016 Éditions IOP
"Nous avons introduit l'architecture biologiquement inspirée des neurones à niveau réglé qui est capable de distinguer différents modèles de manière non supervisée, " a déclaré Eleftheriou. " C'est important pour le développement de l'ultra-densité, calcul neuromorphique évolutif et économe en énergie."
L'un des principaux avantages de ces neurones à réglage de niveau hautement sélectif est leur capacité d'apprentissage améliorée. En calcul neuromorphique, l'apprentissage se fait par des signaux entrants répétés, ce qui renforce certaines connexions synaptiques. Les chercheurs ont montré que les neurones réglés en niveau sont très bons pour apprendre plusieurs modèles d'entrée, même en présence de bruit d'entrée.
"Même un seul neurone peut être utilisé pour détecter des modèles et découvrir des corrélations dans des flux en temps réel de données basées sur des événements, ", a déclaré Eleftheriou. "Les neurones à niveau réglé augmentent la capacité d'un réseau à neurone unique à discriminer les informations lorsque plusieurs modèles apparaissent à l'entrée. Neurones réglés en niveau, ainsi que les caractéristiques à grande vitesse et à faible énergie de leur mise en œuvre basée sur le changement de phase, sera particulièrement utile pour diverses applications émergentes, comme l'Internet des objets, qui collectent et analysent de grands volumes d'informations sensorielles et d'applications pour détecter des modèles dans les sources de données, tels que les médias sociaux pour découvrir les tendances, ou des données météo pour les prévisions en temps réel, ou des données de santé pour détecter des tendances dans les maladies, etc."
À l'avenir, les chercheurs prévoient de développer davantage le concept de neurones artificiels à réglage de niveau afin de concevoir des réseaux neuronaux améliorés à grande échelle.
« Nous examinerons des tâches de calcul plus complexes basées sur des neurones à pointes artificielles et leurs synapses, " a déclaré Eleftheriou. "Nous sommes intéressés à étudier le potentiel de mise à l'échelle et les applications de ces systèmes neuromorphiques dans les systèmes informatiques cognitifs."
© 2016 Phys.org
