Les chercheurs explorent des approches analogiques de l’informatique neuromorphique pour répondre aux demandes de puissance élevée des systèmes numériques. Une méthode prometteuse de l’Université de Californie consiste à utiliser des boucles supraconductrices désordonnées pour stocker et transmettre des informations, permettant potentiellement une mémoire associative économe en énergie, similaire au fonctionnement du cerveau humain.
Les boucles supraconductrices pourraient permettre aux ordinateurs de conserver et de récupérer des informations plus efficacement.
Les ordinateurs fonctionnent avec des chiffres – des 0 et des 1 pour être exact. Leurs calculs sont numériques ; leurs processus sont numériques ; même leurs souvenirs sont numériques. Tout cela nécessite des ressources énergétiques extraordinaires. Alors que nous envisageons la prochaine évolution de l’informatique et le développement de l’informatique neuromorphique ou « de type cérébral », ces besoins en énergie sont irréalisables.
Pour faire progresser l’informatique neuromorphique, certains chercheurs étudient des améliorations analogiques. En d’autres termes, il ne s’agit pas seulement de faire progresser les logiciels, mais aussi de faire progresser le matériel. Des recherches menées à l'Université de Californie à San Diego et à l'UC Riverside montrent une nouvelle façon prometteuse de stocker et de transmettre des informations à l'aide de boucles supraconductrices désordonnées.
Les recherches de l'équipe, qui apparaissent dans le Actes de l'Académie nationale des sciencesoffre la capacité des boucles supraconductrices à démontrer la mémoire associative, qui, chez l'homme, permet au cerveau de se souvenir de la relation entre deux éléments non liés.
« J'espère que ce que nous concevons, simulons et construisons sera capable d'effectuer ce type de traitement associatif très rapidement », a déclaré Robert C. Dynes, professeur de physique à l'UC San Diego, qui est l'un des co-auteurs de l'article.
Créer des souvenirs durables
Imaginez : vous êtes à une fête et vous rencontrez quelqu'un que vous n'avez pas vu depuis un moment. Vous connaissez leur nom mais vous ne vous en souvenez plus vraiment. Votre cerveau commence à chercher l’information : où ai-je rencontré cette personne ? Comment avons-nous été présentés ? Si vous avez de la chance, votre cerveau trouve le chemin pour récupérer ce qui manquait. Parfois, bien sûr, vous n'avez pas de chance.
Dynes pense que la mémoire à court terme se déplace vers la mémoire à long terme avec la répétition. Dans le cas d’un nom, plus vous voyez la personne et utilisez le nom, plus il est profondément gravé dans la mémoire. C'est pourquoi nous nous souvenons encore d'une chanson de l'époque où nous avions dix ans, mais nous ne nous souvenons pas de ce que nous avons mangé hier au déjeuner.
« Nos cerveaux ont ce don remarquable de mémoire associative, que nous ne comprenons pas vraiment », a déclaré Dynes, également président émérite de l'Université de Californie et ancien chancelier de l'UC San Diego. « Cela peut fonctionner grâce à la probabilité des réponses parce que c'est très interconnecté. Ce cerveau informatique que nous avons construit et modélisé est également hautement interactif. Si vous entrez un signal, tout le cerveau informatique sait que vous l’avez fait.
Rester au courant
Comment fonctionnent les boucles supraconductrices désordonnées ? Vous avez besoin d’un matériau supraconducteur. Dans ce cas, l’équipe a utilisé de l’oxyde d’yttrium, de baryum et de cuivre (YBCO). Connu comme supraconducteur à haute température, YBCO devient supraconducteur autour de 90 Kelvin (-297 F), ce qui n'est pas le cas dans le monde de la physique. que froid. Cela a rendu la modification relativement facile. Les films minces YBCO (environ 10 microns de large) ont été manipulés avec une combinaison de champs magnétiques et de courants pour créer un quantum de flux unique sur la boucle. Lorsque le courant était supprimé, le quantum de flux restait dans la boucle. Considérez cela comme une information ou un souvenir.
Il s'agit d'une boucle, mais la mémoire associative et le traitement nécessitent au moins deux informations. Pour cela, Dynes a utilisé des boucles désordonnées, ce qui signifie que les boucles sont de tailles différentes et suivent des modèles différents – essentiellement aléatoires.
Une jonction Josephson, ou « maillon faible », comme on l’appelle parfois, dans chaque boucle agissait comme une porte par laquelle les quanta de flux pouvaient passer. C’est ainsi que les informations sont transférées et que les associations se construisent.
Bien que l'architecture informatique traditionnelle ait des besoins continus en énergie élevée, non seulement pour le traitement mais également pour le stockage en mémoire, ces boucles supraconductrices permettent de réaliser d'importantes économies d'énergie, à l'échelle d'un million de fois inférieures. En effet, les boucles ne nécessitent de l'énergie que lors de l'exécution de tâches logiques. Les mémoires sont stockées dans le matériau physique supraconducteur et peuvent y rester en permanence, tant que la boucle reste supraconductrice.
Le nombre d'emplacements mémoire disponibles augmente de façon exponentielle avec le nombre de boucles : une boucle a trois emplacements, mais trois boucles en ont 27. Pour cette recherche, l'équipe a construit quatre boucles avec 81 emplacements. Ensuite, Dynes souhaiterait augmenter le nombre de boucles et le nombre d'emplacements mémoire.
« Nous savons que ces boucles peuvent stocker des souvenirs. Nous savons que la mémoire associative fonctionne. Nous ne savons tout simplement pas à quel point il est stable avec un nombre de boucles plus élevé », a-t-il déclaré.
Ce travail n’est pas seulement remarquable pour les physiciens et les ingénieurs informaticiens ; cela peut également être important pour les neuroscientifiques. Dynes s'est entretenu avec un autre président émérite de l'Université de Californie, Richard Atkinson, un scientifique cognitif de renommée mondiale qui a contribué à créer un modèle fondateur de la mémoire humaine appelé modèle Atkinson-Shiffrin.
Atkinson, qui est également ancien chancelier de l'UC San Diego et professeur émérite à l'École des sciences sociales, était enthousiasmé par les possibilités qu'il voyait : « Bob et moi avons eu d'excellentes discussions pour essayer de déterminer si son réseau neuronal basé sur la physique pouvait être utilisé. pour modéliser la théorie Atkinson-Shiffrin de la mémoire. Son système est assez différent des autres réseaux neuronaux proposés basés sur la physique et est suffisamment riche pour pouvoir être utilisé pour expliquer le fonctionnement du système de mémoire du cerveau en termes de processus physique sous-jacent. C'est une perspective très excitante.
Ce travail a été principalement soutenu dans le cadre du projet Matériaux quantiques pour le calcul neuromorphique économe en énergie (Q-MEEN-C) (Département de l'énergie DE-SC0019273). Un autre soutien a été fourni par l'Agence nationale de sécurité nucléaire du ministère de l'Énergie (DE-NA0004106) et le Bureau de recherche scientifique de l'Armée de l'Air (FA9550-20-1-0144).
