Utiliser l'électricité pour trouver des matériaux qui peuvent apprendre

May 04, 2023

Les scientifiques qui cherchent à créer une nouvelle génération de supercalculateurs cherchent à s'inspirer de l'ordinateur le plus complexe et le plus économe en énergie jamais construit : le cerveau humain.

Dans certaines de leurs premières incursions dans la fabrication d'ordinateurs inspirés par le cerveau, les chercheurs étudient différents matériaux non biologiques dont les propriétés pourraient être adaptées pour montrer des preuves de comportements d'apprentissage. Ces matériaux pourraient constituer la base d'un matériel qui pourrait être associé à de nouveaux algorithmes logiciels pour permettre une intelligence artificielle (IA) plus puissante, utile et économe en énergie.

Dans une nouvelle étude sous la direction de scientifiques de l'Université Purdue, des chercheurs ont exposé de l'oxyde de nickel déficient en oxygène à de brèves impulsions électriques et ont provoqué deux réponses électriques différentes similaires à l'apprentissage. Le résultat est un système entièrement électrique qui montre ces comportements d'apprentissage, a déclaré Shriram Ramanathan, professeur à l'Université Rutgers. (Ramanathan était professeur à l'Université Purdue au moment de ce travail.) L'équipe de recherche a utilisé les ressources de l'Advanced Photon Source (APS), une installation utilisateur du Bureau des sciences du Département américain de l'énergie (DOE) au Laboratoire national d'Argonne du DOE.

La première réponse, l'accoutumance, se produit lorsque le matériel « s'habitue » à être légèrement zappé. Les scientifiques ont remarqué que bien que la résistance du matériau augmente après une première secousse, il s'habitue rapidement au stimulus électrique. "L'accoutumance est comme ce qui se passe lorsque vous vivez près d'un aéroport", a déclaré Fanny Rodolakis, physicienne et scientifique des lignes de lumière à l'APS. "Le jour où vous emménagez, vous pensez 'quel racket', mais finalement vous ne le remarquez presque plus."

L'autre réponse montrée par le matériau, la sensibilisation, se produit lorsqu'une plus grande dose d'électricité est administrée. "Avec un stimulus plus important, la réponse du matériau augmente au lieu de diminuer avec le temps", a déclaré Rodolakis. "C'est comme regarder un film d'horreur, puis avoir quelqu'un qui dit 'bouh !' derrière un coin, vous le voyez vraiment sauter."

"Presque tous les organismes vivants présentent ces deux caractéristiques", a déclaré Ramanathan. "Ils sont vraiment un aspect fondamental de l'intelligence."

Ces deux comportements sont contrôlés par des interactions quantiques entre électrons qui ne peuvent être décrites par la physique classique et qui contribuent à former la base d'une transition de phase dans le matériau. "Un exemple de transition de phase est un liquide devenant un solide", a déclaré Rodolakis. "Le matériel que nous examinons est juste à la frontière, et les interactions concurrentes qui se déroulent au niveau électronique peuvent facilement être basculées d'une manière ou d'une autre par de petits stimuli."

Avoir un système qui peut être complètement contrôlé par des signaux électriques est essentiel pour les applications informatiques inspirées par le cerveau, a déclaré Ramanathan. "Être capable de manipuler des matériaux de cette manière permettra au matériel d'assumer une partie de la responsabilité du renseignement", a-t-il expliqué. "L'utilisation des propriétés quantiques pour intégrer l'intelligence dans le matériel représente une étape clé vers une informatique économe en énergie."

La différence entre accoutumance et sensibilisation peut aider les scientifiques à surmonter un défi dans le développement de l'IA appelé le dilemme stabilité-plasticité. Les algorithmes d'intelligence artificielle peuvent souvent être, d'une part, trop réticents à s'adapter à de nouvelles informations. Mais d'un autre côté, lorsqu'ils le font, ils peuvent souvent oublier une partie de ce qu'ils ont déjà appris. En créant un matériau qui peut s'habituer, les scientifiques peuvent lui apprendre à ignorer ou à oublier les informations inutiles et ainsi obtenir une stabilité supplémentaire, tandis que la sensibilisation pourrait l'entraîner à se souvenir et à incorporer de nouvelles informations, permettant ainsi la plasticité.

"L'IA a souvent du mal à apprendre et à stocker de nouvelles informations sans écraser les informations déjà stockées", a déclaré Rodolakis. "Trop de stabilité empêche l'IA d'apprendre, mais trop de plasticité peut conduire à un oubli catastrophique."

L'un des principaux avantages de la nouvelle étude concernait la petite taille du dispositif à l'oxyde de nickel. "Ce type d'apprentissage n'avait pas été fait auparavant dans la génération actuelle d'électronique sans un grand nombre de transistors", a déclaré Rodolakis. "Ce système à jonction unique est le plus petit système à ce jour à montrer ces propriétés, ce qui a de grandes implications pour le développement possible de circuits neuromorphiques."

Pour détecter la dynamique à l'échelle atomique responsable des comportements d'accoutumance et de sensibilisation, Hua Zhou de Rodolakis et Argonne a utilisé la spectroscopie d'absorption des rayons X aux lignes de lumière 29-ID-D et 33-ID-D de l'APS.

- Ce communiqué de presse a été initialement publié sur le site du Laboratoire National d'Argonne