Connus sous le nom de non-localité, les stimuli électriques transmis entre électrodes voisines peuvent également affecter des électrodes non voisines. Crédit : Mario Rojas / UC San Diego
Le Q-MEEN-C de l’UC San Diego développe des ordinateurs de type cerveau en imitant les neurones et les synapses dans les matériaux quantiques. Les découvertes récentes sur les interactions non locales représentent une étape cruciale vers un matériel d’IA plus efficace qui pourrait révolutionner la technologie de l’intelligence artificielle.
On croit souvent que les ordinateurs sont plus efficaces que les humains. Après tout, les ordinateurs peuvent résoudre des équations mathématiques complexes en un instant et rappeler des noms que nous pourrions oublier. Cependant, le cerveau humain peut traiter des couches complexes d’informations rapidement, avec précision et pratiquement sans apport d’énergie. Reconnaître un visage après l’avoir vu une seule fois ou distinguer une montagne d’un océan sont des exemples de telles tâches. Ces fonctions humaines apparemment simples nécessitent un traitement et une énergie considérables de la part des ordinateurs, et même dans ce cas, les résultats peuvent varier selon précision.
La quête d’une informatique de type cérébral
Créer des ordinateurs de type cerveau avec des besoins énergétiques minimes révolutionnerait presque tous les aspects de la vie moderne. Financé par le Département de l’Énergie, Quantum Materials for Energy Efficient Neuromorphic Computing (Q-MEEN-C) – un consortium national dirigé par l’Université de Californie à San Diego – a été à l’avant-garde de cette recherche.
Alex Frañó, professeur adjoint de physique à l’UC San Diego, est codirecteur du Q-MEEN-C et envisage le travail du centre par phases. Au cours de la première phase, il a travaillé en étroite collaboration avec le président émérite de l’Université de Californie et professeur de physique Robert Dynes, ainsi qu’avec le professeur d’ingénierie Rutgers Shriram Ramanathan. Ensemble, leurs équipes ont réussi à trouver des moyens de créer ou d’imiter les propriétés d’un seul élément du cerveau (comme un neurone ou un synapse) dans un matériau quantique.
Nouvelles découvertes et jalons
Maintenant, en phase deux, une nouvelle recherche de Q-MEEN-C, publiée dans Nano-lettres, montre que les stimuli électriques transmis entre électrodes voisines peuvent également affecter des électrodes non voisines. Connue sous le nom de non-localité, cette découverte constitue une étape cruciale dans le parcours vers de nouveaux types de dispositifs imitant les fonctions cérébrales, connus sous le nom d’informatique neuromorphique.
« Dans le cerveau, il est entendu que ces interactions non locales sont nominales : elles se produisent fréquemment et avec un minimum d’effort », a déclaré Frañó, l’un des co-auteurs de l’article. « C’est un élément crucial du fonctionnement du cerveau, mais les comportements similaires reproduits dans les matériaux synthétiques sont rares. »
Comme de nombreux projets de recherche qui portent aujourd’hui leurs fruits, l’idée de tester si la non-localité dans les matériaux quantiques était possible est née pendant la pandémie. Les espaces physiques du laboratoire ont été fermés, de sorte que l’équipe a effectué des calculs sur des réseaux contenant plusieurs dispositifs pour imiter les multiples neurones et synapses du cerveau. En effectuant ces tests, ils ont découvert que la non-localité était théoriquement possible.
De la théorie à la pratique
Lorsque les laboratoires ont rouvert, ils ont affiné cette idée et ont enrôlé le professeur agrégé de la Jacobs School of Engineering de l’UC San Diego, Duygu Kuzum, dont les travaux en génie électrique et informatique les ont aidés à transformer une simulation en un véritable appareil.
Cela impliquait de prendre un mince film de nickelate – un « matériau quantique » céramique qui présente de riches propriétés électroniques – d’insérer des ions hydrogène, puis de placer un conducteur métallique dessus. Un fil est attaché au métal afin qu’un signal électrique puisse être envoyé au nickelate. Le signal amène les atomes d’hydrogène en forme de gel à se déplacer dans une certaine configuration et lorsque le signal est supprimé, la nouvelle configuration demeure.
« C’est essentiellement à cela que ressemble un souvenir », a déclaré Frañó. « L’appareil se souvient que vous avez perturbé le matériau. Vous pouvez désormais affiner l’endroit où vont ces ions pour créer des voies plus conductrices et plus faciles à traverser pour l’électricité.
Vers une conception simplifiée
Traditionnellement, la création de réseaux transportant suffisamment d’électricité pour alimenter quelque chose comme un ordinateur portable nécessite des circuits complexes avec des points de connexion continus, ce qui est à la fois inefficace et coûteux. Le concept de conception de Q-MEEN-C est beaucoup plus simple car le comportement non local dans l’expérience signifie que tous les fils d’un circuit n’ont pas besoin d’être connectés les uns aux autres. Pensez à une toile d’araignée, où le mouvement d’une partie peut être ressenti sur l’ensemble de la toile.
Ceci est analogue à la façon dont le cerveau apprend : non pas de manière linéaire, mais par couches complexes. Chaque élément d’apprentissage crée des connexions dans plusieurs zones du cerveau, nous permettant de différencier non seulement les arbres des chiens, mais aussi un chêne d’un palmier ou un golden retriever d’un caniche.
Le défi de la reconnaissance de formes
À ce jour, ces tâches de reconnaissance de formes que le cerveau exécute si bien ne peuvent être simulées que par un logiciel informatique. Les programmes d’IA comme ChatGPT et Bard utilisent des algorithmes complexes pour imiter des activités cérébrales telles que la réflexion et l’écriture. Et ils le font vraiment bien. Mais sans un matériel suffisamment avancé pour le prendre en charge, le logiciel atteindra à un moment donné ses limites.
La prochaine phase et la conclusion
Frañó est enthousiasmé par une révolution matérielle parallèle à celle qui se produit actuellement avec le logiciel et montrant qu’il est possible de reproduire un comportement non local dans un matériau synthétique, un pas de plus vers les scientifiques. La prochaine étape consistera à créer des réseaux plus complexes avec davantage d’électrodes dans des configurations plus élaborées.
« Il s’agit d’une étape très importante dans nos tentatives de comprendre et de simuler les fonctions cérébrales », a déclaré Dynes, qui est également co-auteur. « Montrer un système qui a des interactions non locales nous amène plus loin dans la façon dont notre cerveau pense. Notre cerveau est bien sûr beaucoup plus complexe que cela, mais un système physique capable d’apprendre doit être hautement interactif et c’est une première étape nécessaire. Nous pouvons désormais penser à une cohérence à plus long terme dans l’espace et le temps. »
« Il est largement admis que pour que cette technologie explose réellement, nous devons trouver des moyens d’améliorer le matériel – une machine physique capable d’effectuer la tâche en conjonction avec le logiciel », a déclaré Frañó. « La prochaine phase sera celle dans laquelle nous créerons des machines efficaces dont les propriétés physiques sont celles qui effectuent l’apprentissage. Cela nous donnera un nouveau paradigme dans le monde de l’intelligence artificielle.
Ce travail est principalement soutenu par Quantum Materials for Energy Efficient Neuromorphic Computing, un centre de recherche sur les frontières énergétiques financé par le ministère américain de l’Énergie, l’Office of Science, Basic Energy Sciences et financé par le ministère américain de l’Énergie (DE-SC0019273).
