Dans le numéro de septembre de la revue La nature, des scientifiques de la Texas A&M University, Hewlett Packard Labs et l'Université de Stanford ont décrit un nouveau nanodispositif qui agit presque de la même manière qu'une cellule cérébrale. Par ailleurs, ils ont montré que ces cellules cérébrales synthétiques peuvent être réunies pour former des réseaux complexes qui peuvent ensuite résoudre des problèmes à la manière d'un cerveau.

"C'est la première étude où nous avons pu émuler un neurone avec un seul appareil nanométrique, qui aurait autrement besoin de centaines de transistors, " a déclaré le Dr R. Stanley Williams, auteur principal de l'étude et professeur au Département de génie électrique et informatique. "Nous avons également été en mesure d'utiliser avec succès les réseaux de nos neurones artificiels pour résoudre des versions jouets d'un problème du monde réel qui nécessite des calculs intensifs, même pour les technologies numériques les plus sophistiquées."

En particulier, les chercheurs ont démontré la preuve de concept que leur système inspiré du cerveau peut identifier d'éventuelles mutations dans un virus, ce qui est très pertinent pour assurer l'efficacité des vaccins et des médicaments pour les souches présentant une diversité génétique.

Au cours des dernières décennies, les technologies numériques sont devenues plus petites et plus rapides en grande partie à cause des progrès de la technologie des transistors. Cependant, ces composants de circuit critiques approchent rapidement de leur limite de taille, ils peuvent être construits, initier un effort mondial pour trouver un nouveau type de technologie qui puisse compléter, sinon remplacer, transistors.

En plus de ce problème de « réduction d'échelle », les technologies numériques à base de transistors ont d'autres défis bien connus. Par exemple, ils ont du mal à trouver des solutions optimales lorsqu'ils sont confrontés à de grands ensembles de données.

"Prenons un exemple familier pour trouver le chemin le plus court entre votre bureau et votre domicile. Si vous devez faire un seul arrêt, c'est un problème assez facile à résoudre. Mais si pour une raison quelconque vous devez faire 15 arrêts entre les deux, vous avez le choix entre 43 milliards d'itinéraires, " a déclaré le Dr Suhas Kumar, auteur principal de l'étude et chercheur chez Hewlett Packard Labs. "C'est maintenant un problème d'optimisation, et les ordinateurs actuels sont plutôt inaptes à le résoudre."

Kumar a ajouté qu'une autre tâche ardue pour les machines numériques est la reconnaissance de formes, comme identifier un visage comme le même quel que soit le point de vue ou reconnaître une voix familière enfouie dans un vacarme de sons.

Mais les tâches qui peuvent envoyer des machines numériques dans une agitation informatique sont celles dans lesquelles le cerveau excelle. En réalité, les cerveaux ne sont pas seulement rapides à résoudre les problèmes de reconnaissance et d'optimisation, mais ils consomment aussi beaucoup moins d'énergie que les systèmes numériques. D'où, en imitant la façon dont le cerveau résout ce type de tâches, Williams a déclaré que les systèmes inspirés du cerveau ou neuromorphiques pourraient potentiellement surmonter certains des obstacles informatiques rencontrés par les technologies numériques actuelles.

Pour construire le bloc de construction fondamental du cerveau ou d'un neurone, les chercheurs ont assemblé un dispositif synthétique à l'échelle nanométrique composé de couches de différents matériaux inorganiques, chacun avec une fonction unique. Cependant, ils ont dit que la vraie magie se produit dans la fine couche de dioxyde de niobium composé.

Lorsqu'une petite tension est appliquée à cette région, sa température commence à augmenter. Mais lorsque la température atteint une valeur critique, le dioxyde de niobium subit un changement rapide de personnalité, passer d'un isolant à un conducteur. Mais comme il commence à conduire des courants électriques, sa température baisse et le dioxyde de niobium redevient un isolant.

Ces transitions de va-et-vient permettent aux dispositifs synthétiques de générer une impulsion de courant électrique qui ressemble étroitement au profil des pointes électriques, ou potentiels d'action, produites par les neurones biologiques. Plus loin, en changeant la tension aux bornes de leurs neurones synthétiques, les chercheurs ont reproduit une riche gamme de comportements neuronaux observés dans le cerveau, comme soutenu, éclatement et tir chaotique de pointes électriques.

"Capturer le comportement dynamique des neurones est un objectif clé pour les ordinateurs inspirés du cerveau, " dit Kumar. " Au total, nous avons pu recréer une quinzaine de types de profils de décharge neuronale, le tout utilisant un seul composant électrique et à des énergies beaucoup plus faibles par rapport aux circuits à base de transistors."

Pour évaluer si leurs neurones synthétiques peuvent résoudre des problèmes du monde réel, les chercheurs ont d'abord câblé 24 de ces dispositifs nanométriques ensemble dans un réseau inspiré des connexions entre le cortex cérébral et le thalamus, une voie neuronale bien connue impliquée dans la reconnaissance des formes. Prochain, ils ont utilisé ce système pour résoudre une version jouet du problème de reconstruction de quasi-espèce virale, où des variations mutantes d'un virus sont identifiées sans génome de référence.

Au moyen d'entrées de données, les chercheurs ont présenté le réseau à de courts fragments de gènes. Puis, en programmant la force des connexions entre les neurones artificiels au sein du réseau, ils ont établi des règles de base pour joindre ces fragments génétiques. La tâche ressemblant à un puzzle pour le réseau consistait à répertorier les mutations dans le génome du virus sur la base de ces segments génétiques courts.

Les chercheurs ont découvert qu'en quelques microsecondes, leur réseau de neurones artificiels s'est installé dans un état indicatif du génome d'une souche mutante.

Williams et Kumar ont noté que ce résultat est une preuve de principe que leurs systèmes neuromorphiques peuvent rapidement effectuer des tâches de manière économe en énergie.

Les chercheurs ont déclaré que les prochaines étapes de leurs recherches consisteront à élargir le répertoire des problèmes que leurs réseaux de type cérébral peuvent résoudre en incorporant d'autres modèles de déclenchement et certaines propriétés caractéristiques du cerveau humain telles que l'apprentissage et la mémoire. Ils prévoient également de relever les défis matériels pour mettre en œuvre leur technologie à une échelle commerciale.

"Calculer la dette nationale ou résoudre une simulation à grande échelle n'est pas le type de tâche pour laquelle le cerveau humain est bon et c'est pourquoi nous avons des ordinateurs numériques. Alternativement, nous pouvons tirer parti de notre connaissance des connexions neuronales pour résoudre des problèmes pour lesquels le cerveau est exceptionnellement bon, " a déclaré Williams. " Nous avons démontré que selon le type de problème, il existe des moyens différents et plus efficaces de faire des calculs autres que les méthodes conventionnelles utilisant des ordinateurs numériques à transistors. »