Des nanoneurones pour consommer moins d’énergie et mieux soigner [中文]

Des chercheurs français de l’Unité mixte de physique CNRS/Thales menée par Julie Grollier, du Centre de nanosciences et de nanotechnologies (CNRS/Université Paris Sud), sont parvenus à développer le premier nano-neurone artificiel capable de reconnaitre des chiffres prononcés par différents locuteurs. Tout comme le développement récent des synapses électroniques, ce nano-neurone électronique, décrit dans un article de Nature , est une avancée clé pour l’intelligence artificielle et ses applications. Ces travaux ont valu à Julie Grollier la médaille d’argent du CNRS 2018 ainsi que le prix du journal La Recherche 2018.

Aujourd’hui, les algorithmes d’intelligence artificielle sont devenus performants pour la reconnaissance visuelle ou vocale, et cela s’observe avec l’apparition de voitures autonomes et l’introduction dans les foyers des assistants vocaux. Ces révolutions technologiques sont dues en partie à l’amélioration des algorithmes avec la percée récente des réseaux de neurones multicouches. Mais, l’exécution de ces programmes sur nos ordinateurs conventionnels consomme une grande quantité d’énergie de par la structure même des ordinateurs. Pour réduire la consommation électrique, il faut construire des ordinateurs inspirés du fonctionnement des neurones et synapses présents dans le cerveau humain, et créer ainsi des puces neuro-morphiques.

Pour la première fois, les chercheurs ont développé un nano-neurone fonctionnel, capable de reconnaître des chiffres prononcés par différentes personnes avec un taux de réussite de 99,6%. Pour parvenir à ce résultat, un oscillateur magnétique aux propriétés très stables a été utilisé. Chaque giration de cette nano-boussole est accompagnée d’une émission électrique, ce qui permet d’imiter les impulsions électriques émises par les neurones biologiques. Dans les prochaines années, ces nano-neurones magnétiques pourront être interconnectés grâce à des synapses artificielles telles que celles récemment développées pour traiter et classer des informations en masse en temps réel.

L’objectif à terme de cette collaboration entre les acteurs de la recherche fondamentale et ceux de la recherche appliquée est de réaliser des puces miniatures intelligentes, consommant très peu d’électricité, capables d’apprendre et de s’adapter aux situations mouvantes et ambigües du monde réel. Ces puces électroniques trouveront des applications multiples, par exemple pour diriger intelligemment des robots ou des véhicules autonomes, aider les médecins dans leur diagnostic ou encore améliorer les prothèses médicales.

Article de Nature : « Neuromorphic computing with nanoscale spintronic oscillators », J. Torrejon et al., Nature, 2017, vol. 547 : 428-431 (publié en ligne le 27 juillet 2017). https://www.nature.com/articles/nature23011 (link is external)

PNG
Figure 1 : nano-neurone : Ce cylindre de métal, mille fois plus fin qu’un cheveu, est le premier neurone artificiel « en dur » à avoir fonctionné au sein d’une application (vue en microscopie électronique à balayage).

Source Thales, CNRS
Credit photo : AIST

Dernière modification : 17/07/2018

Haut de page