{"id":15111,"date":"2018-01-12T10:11:26","date_gmt":"2018-01-12T08:11:26","guid":{"rendered":"https:\/\/www.iemn.fr?p=15111"},"modified":"2018-03-26T15:08:04","modified_gmt":"2018-03-26T13:08:04","slug":"demain-un-ordinateur-inspire-de-notre-cerveau","status":"publish","type":"post","link":"https:\/\/www.iemn.fr\/en\/articles-revue-de-presse\/demain-un-ordinateur-inspire-de-notre-cerveau.html","title":{"rendered":"Tomorrow, a computer inspired by our brain?"},"content":{"rendered":"<section  class='av_textblock_section av-av_textblock-2de302bf1aa3cf4c9157dbe6f50ac7eb'   itemscope=\"itemscope\" itemtype=\"https:\/\/schema.org\/BlogPosting\" itemprop=\"blogPost\" ><div class='avia_textblock'  itemprop=\"text\" ><p>Et si l\u2019on r\u00e9inventait l\u2019ordinateur en s\u2019inspirant des neurones du cerveau humain ? Gr\u00e2ce \u00e0 des composants \u00e9lectroniques bio-inspir\u00e9s, les chercheurs mettent en avant de nouveaux mod\u00e8les pour booster les applications en intelligence artificielle.<\/p>\n<p style=\"text-align: right;\"><em>Publi\u00e9 le 12\/01\/2018, <a href=\"https:\/\/lejournal.cnrs.fr\/articles\/demain-un-ordinateur-inspire-de-notre-cerveau\" target=\"_blank\" rel=\"noopener\">CNRS, Le journal \u2013 Hugo Leroux<\/a><\/em><br \/>\n<a href=\"https:\/\/lejournal.cnrs.fr\/articles\/demain-un-ordinateur-inspire-de-notre-cerveau\" target=\"_blank\" rel=\"noopener\"><img loading=\"lazy\" decoding=\"async\" class=\"alignnone wp-image-15015\" src=\"https:\/\/www.iemn.fr\/wp-content\/uploads\/2018\/01\/logo-cnrs-lejournal-300x85.png\" alt=\"logo-cnrs-le-journal\" width=\"211\" height=\"60\" \/><\/a><\/p>\n<p><!--more--><\/p>\n<div id=\"attachment_15017\" style=\"width: 310px\" class=\"wp-caption alignright\"><a href=\"https:\/\/www.iemn.fr\/wp-content\/uploads\/2018\/01\/Laboratoire-Spintronics-Research-Center-AIST-Tsukuba-Japon.jpg\"><img loading=\"lazy\" decoding=\"async\" aria-describedby=\"caption-attachment-15017\" class=\"size-medium wp-image-15017\" src=\"https:\/\/www.iemn.fr\/wp-content\/uploads\/2018\/01\/Laboratoire-Spintronics-Research-Center-AIST-Tsukuba-Japon-300x225.jpg\" alt=\"Laboratoire Spintronics Research Center, AIST Tsukuba, Japon\" width=\"300\" height=\"225\" srcset=\"https:\/\/www.iemn.fr\/wp-content\/uploads\/2018\/01\/Laboratoire-Spintronics-Research-Center-AIST-Tsukuba-Japon-300x225.jpg 300w, https:\/\/www.iemn.fr\/wp-content\/uploads\/2018\/01\/Laboratoire-Spintronics-Research-Center-AIST-Tsukuba-Japon.jpg 640w\" sizes=\"auto, (max-width: 300px) 100vw, 300px\" \/><\/a><p id=\"caption-attachment-15017\" class=\"wp-caption-text\"><br \/>Ce cylindre de m\u00e9tal, mille fois plus fin qu\u2019un cheveu, est le premier neurone artificiel \u00aben dur\u00bb \u00e0 avoir fonctionn\u00e9 au sein d\u2019une application (vue en microscopie \u00e9lectronique \u00e0 balayage). Ces travaux ont \u00e9t\u00e9 dirig\u00e9 par Julie Grollier, de l\u2019Unit\u00e9 mixte de physique CNRS-Thales.<br \/>\u00a9Laboratoire Spintronics Research Center, AIST Tsukuba, Japon<\/p><\/div>\n<p>Un neurone artificiel capable de reconna\u00eetre des chiffres prononc\u00e9s par diff\u00e9rentes personnes faisait l\u2019objet d\u2019une pr\u00e9sentation tr\u00e8s remarqu\u00e9e en septembre 2017. \u00c0 l\u2019heure des assistants intelligents de type Google Home et de la voiture autonome, pourquoi une performance aussi sommaire fut-elle annonc\u00e9e comme une premi\u00e8re mondiale par la c\u00e9l\u00e8bre revue Nature ? <em><sub>[1]<\/sub><\/em> Parce que la r\u00e9volution r\u00e9side dans le composant lui-m\u00eame : un neurone \u00e9lectronique, cylindre de m\u00e9tal mille fois plus fin qu\u2019un cheveu et impl\u00e9mentable en circuit. Bref, un nano-neurone artificiel \u00ab en dur \u00bb, \u00e0 la diff\u00e9rence de ces fameux r\u00e9seaux de neurones virtuels qui, s\u2019ils permettent actuellement de spectaculaires applications en intelligence artificielle (IA), d\u00e9signent en r\u00e9alit\u00e9 des fonctions math\u00e9matiques, des algorithmes, purement num\u00e9riques et impalpables.<\/p>\n<p>\u00ab D\u2019autres nano-neurones artificiels \u201cen dur\u201d avaient d\u00e9j\u00e0 \u00e9t\u00e9 mis au point, mais nous avons \u00e9t\u00e9 les premiers \u00e0 les faire fonctionner au sein d\u2019une application \u00bb, explique Julie Grollier, qui a dirig\u00e9 ces travaux au sein de l\u2019Unit\u00e9 mixte de physique CNRS-Thales <em><sub>[2]<\/sub><\/em>. Quelques mois plus t\u00f4t, en avril, un autre composant bio-inspir\u00e9 \u00e9tait d\u00e9voil\u00e9 dans Nature Communications <em><sub>[3]<\/sub><\/em> par Vincent Garcia, chercheur au sein de la m\u00eame unit\u00e9, et ses coll\u00e8gues. Cette fois, il s\u2019agissait d\u2019une synapse artificielle, inspir\u00e9e de celles qui relient les neurones du cerveau.<\/p>\n<h4><strong>Une grosse \u00e9conomie d\u2019\u00e9nergie<\/strong><\/h4>\n<p>\u00c0 quoi bon cette nouvelle quincaillerie \u00e9lectronique alors que les r\u00e9seaux de neurones virtuels font d\u00e9j\u00e0 merveille en intelligence artificielle (IA) ? Parce que ces derniers, redoutables pour classifier de gigantesques masses de donn\u00e9es, sont aussi effroyablement gourmands en \u00e9nergie\u2026 Un gaspillage li\u00e9 \u00e0 la structure m\u00eame des machines sur lesquelles ils turbinent.<\/p>\n<p><em>\u00ab Les ordinateurs traditionnels sur lesquels on les fait tourner sont fond\u00e9s sur une architecture datant des ann\u00e9es 1950 qui s\u00e9pare la m\u00e9moire et le \u201ccentre de calcul\u201d en deux blocs bien distincts, <\/em>explique ainsi Damien Querlioz, chercheur au Centre de nanosciences et de nanotechnologies<em> <sub>[4]<\/sub><\/em>.<em> D\u00e8s lors, un calcul, m\u00eame simple, n\u00e9cessite parfois d\u2019aller chercher des donn\u00e9es stock\u00e9es tr\u00e8s loin \u00e0 l\u2019\u00e9chelle de la micro\u00e9lectronique. Or, les r\u00e9seaux de neurones virtuels ont la particularit\u00e9 d\u2019effectuer des calculs, certes tr\u00e8s simples, mais en quantit\u00e9 massive et de mani\u00e8re parall\u00e8le avec souvent beaucoup de redondances \u00bb<\/em>. D\u2019o\u00f9, parfois, de terribles \u00ab embouteillages \u00bb \u00e9nergivores pour acc\u00e9der \u00e0 la m\u00e9moire\u2026 C\u2019est ainsi que le programme AlphaGo, l\u2019IA de Google qui a r\u00e9cemment \u00e9cras\u00e9 les plus grands champions de go, consomme dix mille fois plus d\u2019\u00e9nergie qu\u2019un humain \u00e0 la m\u00eame table de jeu !<\/p>\n<\/div><\/section>\n\n<style type=\"text\/css\" data-created_by=\"avia_inline_auto\" id=\"style-css-av-av_one_half-826c1c0ca2001783299b013bb6b50dff\">\n.flex_column.av-av_one_half-826c1c0ca2001783299b013bb6b50dff{\nborder-radius:0px 0px 0px 0px;\npadding:0px 0px 0px 0px;\n}\n<\/style>\n<div  class='flex_column av-av_one_half-826c1c0ca2001783299b013bb6b50dff av_one_half  avia-builder-el-1  el_after_av_textblock  el_before_av_one_half  first flex_column_div av-zero-column-padding  column-top-margin'     ><section  class='av_textblock_section av-av_textblock-2de302bf1aa3cf4c9157dbe6f50ac7eb'   itemscope=\"itemscope\" itemtype=\"https:\/\/schema.org\/BlogPosting\" itemprop=\"blogPost\" ><div class='avia_textblock'  itemprop=\"text\" ><blockquote>\n<p>\u00ab\u00a0Le programme AlphaGo, qui a r\u00e9cemment \u00e9cras\u00e9 les plus grands champions de go, consomme dix mille fois plus d\u2019\u00e9nergie qu\u2019un humain \u00e0 la m\u00eame table de jeu !\u00a0\u00bb<\/p>\n<\/blockquote>\n<\/div><\/section><\/div>\n\n<style type=\"text\/css\" data-created_by=\"avia_inline_auto\" id=\"style-css-av-av_one_half-c8fc129dc35fd1ae2a1e410224d39ea8\">\n.flex_column.av-av_one_half-c8fc129dc35fd1ae2a1e410224d39ea8{\nborder-radius:0px 0px 0px 0px;\npadding:0px 0px 0px 0px;\n}\n<\/style>\n<div  class='flex_column av-av_one_half-c8fc129dc35fd1ae2a1e410224d39ea8 av_one_half  avia-builder-el-3  el_after_av_one_half  el_before_av_one_full  flex_column_div av-zero-column-padding  column-top-margin'     ><section  class='av_textblock_section av-av_textblock-2de302bf1aa3cf4c9157dbe6f50ac7eb'   itemscope=\"itemscope\" itemtype=\"https:\/\/schema.org\/BlogPosting\" itemprop=\"blogPost\" ><div class='avia_textblock'  itemprop=\"text\" ><p>\u00ab Gr\u00e2ce \u00e0 ses circuits neurone-synapse, notre cerveau, lui, dispose d\u2019une m\u00e9moire (\u201cstock\u00e9e\u201d dans les synapses) plac\u00e9e au plus proche du \u201ccentre de calcul\u201d (que symbolisent les neurones) \u00bb, explique Damien Querlioz. Cette architecture tr\u00e8s distribu\u00e9e s\u2019av\u00e8re extr\u00eamement efficace pour traiter en parall\u00e8le la myriade d\u2019op\u00e9rations simples que n\u00e9cessite la reconnaissance de sons ou d\u2019images. En revanche, elle est moins adapt\u00e9e au calcul classique : \u00ab Pour les op\u00e9rations arithm\u00e9tiques par exemple, qui font appel \u00e0 moins de calculs, mais plus complexes, et ex\u00e9cut\u00e9s les uns apr\u00e8s les autres, l\u2019architecture bien centralis\u00e9e des ordinateurs traditionnels reste imbattable en pr\u00e9cision \u00bb, poursuit le chercheur.<\/p>\n<\/div><\/section><\/div>\n\n<style type=\"text\/css\" data-created_by=\"avia_inline_auto\" id=\"style-css-av-av_one_full-15d750bd1b332b34c6e70b077ebbccdf\">\n.flex_column.av-av_one_full-15d750bd1b332b34c6e70b077ebbccdf{\nborder-radius:0px 0px 0px 0px;\npadding:0px 0px 0px 0px;\n}\n<\/style>\n<div  class='flex_column av-av_one_full-15d750bd1b332b34c6e70b077ebbccdf av_one_full  avia-builder-el-5  el_after_av_one_half  el_before_av_one_half  first flex_column_div av-zero-column-padding  column-top-margin'     ><section  class='av_textblock_section av-av_textblock-2de302bf1aa3cf4c9157dbe6f50ac7eb'   itemscope=\"itemscope\" itemtype=\"https:\/\/schema.org\/BlogPosting\" itemprop=\"blogPost\" ><div class='avia_textblock'  itemprop=\"text\" ><p>Et si l\u2019on r\u00e9inventait l\u2019ordinateur en s\u2019inspirant des neurones du cerveau humain ? Gr\u00e2ce \u00e0 des composants \u00e9lectroniques bio-inspir\u00e9s, les chercheurs mettent en avant de nouveaux mod\u00e8les pour booster les applications en intelligence artificielle.<\/p>\n<div id=\"attachment_15024\" style=\"width: 310px\" class=\"wp-caption alignleft\"><a href=\"https:\/\/www.iemn.fr\/wp-content\/uploads\/2018\/01\/montage_neurone_artificiel_a_capy_CIRCA-IEMN.jpg\"><img loading=\"lazy\" decoding=\"async\" aria-describedby=\"caption-attachment-15024\" class=\"size-medium wp-image-15024\" src=\"https:\/\/www.iemn.fr\/wp-content\/uploads\/2018\/01\/montage_neurone_artificiel_a_capy_CIRCA-IEMN-300x160.jpg\" alt=\"montage_neurone_artificiel_a_capy_CIRCA-IEMN\" width=\"300\" height=\"160\" srcset=\"https:\/\/www.iemn.fr\/wp-content\/uploads\/2018\/01\/montage_neurone_artificiel_a_capy_CIRCA-IEMN-300x160.jpg 300w, https:\/\/www.iemn.fr\/wp-content\/uploads\/2018\/01\/montage_neurone_artificiel_a_capy_CIRCA-IEMN-768x409.jpg 768w, https:\/\/www.iemn.fr\/wp-content\/uploads\/2018\/01\/montage_neurone_artificiel_a_capy_CIRCA-IEMN-1030x548.jpg 1030w, https:\/\/www.iemn.fr\/wp-content\/uploads\/2018\/01\/montage_neurone_artificiel_a_capy_CIRCA-IEMN-1500x798.jpg 1500w, https:\/\/www.iemn.fr\/wp-content\/uploads\/2018\/01\/montage_neurone_artificiel_a_capy_CIRCA-IEMN-705x375.jpg 705w, https:\/\/www.iemn.fr\/wp-content\/uploads\/2018\/01\/montage_neurone_artificiel_a_capy_CIRCA-IEMN.jpg 1687w\" sizes=\"auto, (max-width: 300px) 100vw, 300px\" \/><\/a><p id=\"caption-attachment-15024\" class=\"wp-caption-text\"><br \/>L\u2019\u00e9quipe d\u2019Alain Cappy utilise des transistors pour fabriquer ses neurones artificiels. Assembl\u00e9s en circuit (\u00e0 gauche), ceux-ci r\u00e9pondent \u00e0 une excitation synaptique par des potentiels d\u2019action (\u00e0 droite, en vert) identiques \u00e0 ceux obtenus avec des neurones biologiques.<br \/>\u00a9A. CAPPY\/ICIRCA-IEMN<\/p><\/div>\n<p>Si l\u2019on parvient \u00e0 construire des puces neuromorphiques, assemblage de composants artificiels mimant neurones et synapses biologiques, elles seront donc d\u00e9di\u00e9es uniquement aux t\u00e2ches d\u2019IA o\u00f9 les excellents quoique trop dispendieux r\u00e9seaux de neurones actuels sont cantonn\u00e9s (reconnaissances de formes, de sons, etc.). Et l\u2019\u00e9ventuel ordinateur du futur qui en abriterait garderait pr\u00e9cieusement ses microprocesseurs classiques. <em>\u00ab En int\u00e9grant une puce neuromorphique, d\u00e9di\u00e9e aux algorithmes de type r\u00e9seau de neurones courants en IA, sur chaque processeur d\u2019ordinateur ou de t\u00e9l\u00e9phone, on disposerait de processeurs moins \u00e9nergivores \u00bb<\/em>, confirme Vincent Garcia.<\/p>\n<p>Les g\u00e9ants de l\u2019\u00e9lectronique ne s\u2019y sont pas tromp\u00e9s : IBM, Intel, Qualcomm, tous d\u00e9veloppent leur propre puce neuromorphique. Leur approche peut sembler timide : neurones et synapses artificiels y sont construits \u00e0 partir de transistors classiques en silicium. C\u2019est \u00e9galement le parti pris d\u2019Alain Cappy, de l\u2019Institut de recherche sur les composants logiciels et mat\u00e9riels pour l\u2019information et la communication avanc\u00e9e<em> <sub>[5]<\/sub><\/em>.<\/p>\n<div id=\"article-contenu1\" class=\"section-heading\">\n<p><em>\u00ab L\u2019avantage de n\u2019utiliser que des composants d\u00e9j\u00e0 existants est de pouvoir fabriquer plus rapidement des puces efficientes et industrialisables \u00bb<\/em>, commente le chercheur. Ce qui ne le dispense pas de toute originalit\u00e9 : l\u00e0 o\u00f9 les neurones de silicium mis en \u0153uvre par les industriels n\u00e9cessitent 20 \u00e0 30 transistors, l\u2019\u00e9quipe d\u2019Alain Cappy a d\u00e9lib\u00e9r\u00e9ment privil\u00e9gi\u00e9 un mod\u00e8le plus simple et \u00e9conome de 6 transistors seulement. R\u00e9sultat : <em>\u00ab Il consomme cent fois moins d\u2019\u00e9nergie que les autres neurones artificiels du m\u00eame type \u00bb<\/em>, se f\u00e9licite le chercheur. Il fait \u00e9galement le pari d\u2019une int\u00e9gration totalement bio-inspir\u00e9e : <em>\u00ab L\u2019id\u00e9e est d\u2019imiter le syst\u00e8me yeux\/cortex c\u00e9r\u00e9bral qui analyse si rapidement et efficacement l\u2019image. Nous tentons ainsi d\u2019int\u00e9grer ces neurones \u00e0 la fois dans des capteurs visuels inspir\u00e9s de la r\u00e9tine biologique, et dans des <\/em>puces de traitement<em> agenc\u00e9es comme les colonnes de neurones de notre cortex c\u00e9r\u00e9bral \u00bb<\/em>, poursuit Alain Cappy. Cette architecture tr\u00e8s interconnect\u00e9e pourrait s\u2019av\u00e9rer performante pour l\u2019impl\u00e9mentation de r\u00e9seaux de neurones bien plus complexes et performants que les possibilit\u00e9s offertes par les solutions actuelles sous forme logicielle.<\/p>\n<\/div>\n<div id=\"article-contenu2\" class=\"section-heading\">\n<h4><strong>Une question de taille<\/strong><\/h4>\n<p>La plupart des chercheurs misent cependant sur une approche plus r\u00e9volutionnaire pour fabriquer les composants bio-inspir\u00e9s eux-m\u00eames. \u00ab <em>Les neurones construits avec des transistors classiques mesurent 100 microm\u00e8tres de c\u00f4t\u00e9 tandis que le n\u00f4tre mesure \u00e0 peine 100 nanom\u00e8tres de diam\u00e8tre : c\u2019est mille fois plus petit \u00bb<\/em>, se r\u00e9jouit Julie Grollier. Or, la question de la taille se posera de mani\u00e8re aigu\u00eb quand on voudra les assembler par millions et fabriquer des puces valables. Pour construire leur nano-neurone, les chercheurs de l\u2019Unit\u00e9 mixte de physique CNRS-Thales ont mis\u00e9 sur la spintronique, une discipline utilisant le <span class=\"mot-definition\">spin<\/span><\/p>\n<\/div>\n<\/div><\/section><\/div>\n\n<style type=\"text\/css\" data-created_by=\"avia_inline_auto\" id=\"style-css-av-av_one_half-15d750bd1b332b34c6e70b077ebbccdf\">\n.flex_column.av-av_one_half-15d750bd1b332b34c6e70b077ebbccdf{\nborder-radius:0px 0px 0px 0px;\npadding:0px 0px 0px 0px;\n}\n<\/style>\n<div  class='flex_column av-av_one_half-15d750bd1b332b34c6e70b077ebbccdf av_one_half  avia-builder-el-7  el_after_av_one_full  el_before_av_one_half  first flex_column_div av-zero-column-padding  column-top-margin'     ><section  class='av_textblock_section av-av_textblock-2de302bf1aa3cf4c9157dbe6f50ac7eb'   itemscope=\"itemscope\" itemtype=\"https:\/\/schema.org\/BlogPosting\" itemprop=\"blogPost\" ><div class='avia_textblock'  itemprop=\"text\" ><blockquote>\n<p>\u00ab\u00a0Les neurones construits avec des transistors classiques mesurent 100 microm\u00e8tres de c\u00f4t\u00e9 tandis que le n\u00f4tre mesure \u00e0 peine 100 nanom\u00e8tres de diam\u00e8tre : c\u2019est mille fois plus petit.\u00a0\u00bb<\/p>\n<\/blockquote>\n<\/div><\/section><\/div>\n<style type=\"text\/css\" data-created_by=\"avia_inline_auto\" id=\"style-css-av-av_one_half-c8fc129dc35fd1ae2a1e410224d39ea8\">\n.flex_column.av-av_one_half-c8fc129dc35fd1ae2a1e410224d39ea8{\nborder-radius:0px 0px 0px 0px;\npadding:0px 0px 0px 0px;\n}\n<\/style>\n<div  class='flex_column av-av_one_half-c8fc129dc35fd1ae2a1e410224d39ea8 av_one_half  avia-builder-el-9  el_after_av_one_half  el_before_av_one_full  flex_column_div av-zero-column-padding  column-top-margin'     ><section  class='av_textblock_section av-av_textblock-2de302bf1aa3cf4c9157dbe6f50ac7eb'   itemscope=\"itemscope\" itemtype=\"https:\/\/schema.org\/BlogPosting\" itemprop=\"blogPost\" ><div class='avia_textblock'  itemprop=\"text\" ><p>On peut ainsi se repr\u00e9senter, de mani\u00e8re sch\u00e9matique, un \u00e9lectron comme un petit aimant pouvant prendre seulement deux orientations : un spin \u00ab vers le haut \u00bb ou un spin \u00ab vers le bas \u00bb. des \u00e9lectrons comme unit\u00e9 d\u2019information (alors que l\u2019\u00e9lectronique utilise la charge \u00e9lectrique des \u00e9lectrons). Le nano-neurone consiste en un empilement de deux couches de m\u00e9taux ferromagn\u00e9tiques prenant en sandwich une fine couche d\u2019isolant \u00e9lectrique. \u00ab Lorsqu\u2019on le soumet \u00e0 un courant continu, les \u00e9lectrons passent \u00e0 travers l\u2019isolant par effet tunnel et leur spin fait tourner l\u2019aimantation de la couche sup\u00e9rieure. Cela produit en sortie des oscillations \u00e9lectriques comparables aux signaux \u00e9mis par les neurones de notre cerveau \u00bb, r\u00e9sume Julie Grollier.<\/p>\n<\/div><\/section><\/div><\/p>\n\n<style type=\"text\/css\" data-created_by=\"avia_inline_auto\" id=\"style-css-av-av_one_full-15d750bd1b332b34c6e70b077ebbccdf\">\n.flex_column.av-av_one_full-15d750bd1b332b34c6e70b077ebbccdf{\nborder-radius:0px 0px 0px 0px;\npadding:0px 0px 0px 0px;\n}\n<\/style>\n<div  class='flex_column av-av_one_full-15d750bd1b332b34c6e70b077ebbccdf av_one_full  avia-builder-el-11  el_after_av_one_half  el_before_av_one_half  first flex_column_div av-zero-column-padding  column-top-margin'     ><section  class='av_textblock_section av-av_textblock-2de302bf1aa3cf4c9157dbe6f50ac7eb'   itemscope=\"itemscope\" itemtype=\"https:\/\/schema.org\/BlogPosting\" itemprop=\"blogPost\" ><div class='avia_textblock'  itemprop=\"text\" ><div id=\"attachment_15028\" style=\"width: 310px\" class=\"wp-caption alignright\"><a href=\"https:\/\/www.iemn.fr\/wp-content\/uploads\/2018\/01\/ia-biomem_synapse-electronique_-Soren-Boyn-CNRS-Thales.jpg\"><img loading=\"lazy\" decoding=\"async\" aria-describedby=\"caption-attachment-15028\" class=\"size-medium wp-image-15028\" src=\"https:\/\/www.iemn.fr\/wp-content\/uploads\/2018\/01\/ia-biomem_synapse-electronique_-Soren-Boyn-CNRS-Thales-300x259.jpg\" alt=\"ia-biomem_synapse-electronique_ Soren-Boyn-CNRS-Thales\" width=\"300\" height=\"259\" srcset=\"https:\/\/www.iemn.fr\/wp-content\/uploads\/2018\/01\/ia-biomem_synapse-electronique_-Soren-Boyn-CNRS-Thales-300x259.jpg 300w, https:\/\/www.iemn.fr\/wp-content\/uploads\/2018\/01\/ia-biomem_synapse-electronique_-Soren-Boyn-CNRS-Thales-768x664.jpg 768w, https:\/\/www.iemn.fr\/wp-content\/uploads\/2018\/01\/ia-biomem_synapse-electronique_-Soren-Boyn-CNRS-Thales-705x609.jpg 705w, https:\/\/www.iemn.fr\/wp-content\/uploads\/2018\/01\/ia-biomem_synapse-electronique_-Soren-Boyn-CNRS-Thales.jpg 900w\" sizes=\"auto, (max-width: 300px) 100vw, 300px\" \/><\/a><p id=\"caption-attachment-15028\" class=\"wp-caption-text\"><br \/>Vue d\u2019artiste d\u2019une synapse \u00e9lectronique : les petites sph\u00e8res repr\u00e9sentent les \u00e9lectrons circulant \u00e0 travers l\u2019oxyde, par analogie avec les neurotransmetteurs dans les synapses biologiques.<br \/>\u00a9S\u00f6ren Boyn\/CNRS-Thales<\/p><\/div>\n<p>Pour d\u00e9velopper leur propre nano-neurone, l\u2019\u00e9quipe de Laurent Cario, de l\u2019Institut des mat\u00e9riaux Jean-Rouxel<em> <sub>[6]<\/sub><\/em>, a de son c\u00f4t\u00e9 mis\u00e9 sur les <span class=\"mot-definition\">isolants de Mott<\/span>. Ce mat\u00e9riau, dont le comportement physique est explor\u00e9 dans le cadre de m\u00e9moires de nouvelles g\u00e9n\u00e9rations, pourrait constituer une alternative aux mat\u00e9riaux spintroniques : <em>\u00ab Notre neurone a fait l\u2019objet d\u2019un brevet d\u00e9pos\u00e9 en 2014 et nous essayons maintenant d\u2019en am\u00e9liorer la miniaturisation afin de faciliter son transfert industriel \u00bb<\/em>, pr\u00e9cise Laurent Cario.<\/p>\n<h4><strong>Imiter la plasticit\u00e9 des neurones<\/strong><\/h4>\n<p>Pr\u00e9sentes dans le cerveau en nombre dix mille fois plus important que les neurones, les synapses ont un r\u00f4le tout aussi capital. En particulier, les chercheurs tentent de reproduire une caract\u00e9ristique de ces canaux interneurones : leur plasticit\u00e9, c\u2019est-\u00e0-dire leur capacit\u00e9 \u00e0 se renforcer ou se d\u00e9pr\u00e9cier au fil du temps pour favoriser le \u00ab c\u00e2blage \u00bb entre les neurones utiles.<\/p>\n<p>Pour y parvenir, Vincent Garcia et son \u00e9quipe ont choisi une couche ultra-mince d\u2019un mat\u00e9riau ferro\u00e9lectrique que les \u00e9lectrons traversent par effet tunnel : <em>\u00ab Nous avons d\u00e9montr\u00e9 que l\u2019amplitude et la dur\u00e9e des impulsions que re\u00e7oit la synapse artificielle provoquent une variation de la r\u00e9sistance du mat\u00e9riau, donc de sa capacit\u00e9 \u00e0 transmettre le courant tunnel. Cette propri\u00e9t\u00e9 est tr\u00e8s similaire \u00e0 la plasticit\u00e9 des synapses biologiques \u00bb<\/em>, d\u00e9taille le chercheur.<\/p>\n<\/div><\/section><\/div>\n\n<style type=\"text\/css\" data-created_by=\"avia_inline_auto\" id=\"style-css-av-av_one_half-15d750bd1b332b34c6e70b077ebbccdf\">\n.flex_column.av-av_one_half-15d750bd1b332b34c6e70b077ebbccdf{\nborder-radius:0px 0px 0px 0px;\npadding:0px 0px 0px 0px;\n}\n<\/style>\n<div  class='flex_column av-av_one_half-15d750bd1b332b34c6e70b077ebbccdf av_one_half  avia-builder-el-13  el_after_av_one_full  el_before_av_one_half  first flex_column_div av-zero-column-padding  column-top-margin'     ><section  class='av_textblock_section av-av_textblock-2de302bf1aa3cf4c9157dbe6f50ac7eb'   itemscope=\"itemscope\" itemtype=\"https:\/\/schema.org\/BlogPosting\" itemprop=\"blogPost\" ><div class='avia_textblock'  itemprop=\"text\" ><blockquote>\n<p>\u00ab\u00a0L\u2019amplitude et la dur\u00e9e des impulsions que re\u00e7oit la synapse artificielle provoquent une variation de la r\u00e9sistance du mat\u00e9riau. Cette propri\u00e9t\u00e9 est tr\u00e8s similaire \u00e0 la plasticit\u00e9 des synapses biologiques.\u00a0\u00bb<\/p>\n<\/blockquote>\n<\/div><\/section><\/div>\n<style type=\"text\/css\" data-created_by=\"avia_inline_auto\" id=\"style-css-av-av_one_half-c8fc129dc35fd1ae2a1e410224d39ea8\">\n.flex_column.av-av_one_half-c8fc129dc35fd1ae2a1e410224d39ea8{\nborder-radius:0px 0px 0px 0px;\npadding:0px 0px 0px 0px;\n}\n<\/style>\n<div  class='flex_column av-av_one_half-c8fc129dc35fd1ae2a1e410224d39ea8 av_one_half  avia-builder-el-15  el_after_av_one_half  el_before_av_one_full  flex_column_div av-zero-column-padding  column-top-margin'     ><section  class='av_textblock_section av-av_textblock-2de302bf1aa3cf4c9157dbe6f50ac7eb'   itemscope=\"itemscope\" itemtype=\"https:\/\/schema.org\/BlogPosting\" itemprop=\"blogPost\" ><div class='avia_textblock'  itemprop=\"text\" ><p>\u00ab De nombreux mat\u00e9riaux peuvent, sur application de certaines gammes de tensions, pr\u00e9senter ce type de propri\u00e9t\u00e9s de changement de r\u00e9sistivit\u00e9 \u00bb, remarque Vincent Derycke, chercheur au sein du laboratoire Nimbe<em> <sub>[7]<\/sub><\/em>. Oxydes de m\u00e9tal, mat\u00e9riaux spintroniques, ferro\u00e9lectriques\u2026, la palette de candidats \u00ab exotiques \u00bb (c\u2019est-\u00e0-dire marginaux par rapport \u00e0 ceux utilis\u00e9s en micro\u00e9lectronique classique, fond\u00e9e sur le silicium) est en effet tr\u00e8s large. \u00ab Toute la question est : leurs changements de r\u00e9sistivit\u00e9 sont-ils exploitables pour b\u00e2tir des circuits efficaces ? Jusqu\u2019ici, aucun mat\u00e9riau id\u00e9al ne s\u2019est encore d\u00e9tach\u00e9 \u00bb.<\/p>\n<\/div><\/section><\/div><\/p>\n\n<style type=\"text\/css\" data-created_by=\"avia_inline_auto\" id=\"style-css-av-av_one_full-15d750bd1b332b34c6e70b077ebbccdf\">\n.flex_column.av-av_one_full-15d750bd1b332b34c6e70b077ebbccdf{\nborder-radius:0px 0px 0px 0px;\npadding:0px 0px 0px 0px;\n}\n<\/style>\n<div  class='flex_column av-av_one_full-15d750bd1b332b34c6e70b077ebbccdf av_one_full  avia-builder-el-17  el_after_av_one_half  avia-builder-el-last  first flex_column_div av-zero-column-padding  column-top-margin'     ><section  class='av_textblock_section av-av_textblock-2de302bf1aa3cf4c9157dbe6f50ac7eb'   itemscope=\"itemscope\" itemtype=\"https:\/\/schema.org\/BlogPosting\" itemprop=\"blogPost\" ><div class='avia_textblock'  itemprop=\"text\" ><div id=\"article-contenu3\" class=\"section-heading\">\n<p>Avec son \u00e9quipe, il s\u2019est sp\u00e9cialis\u00e9 dans une voie originale : l\u2019\u00e9lectronique organique, qui vise \u00e0 traiter l\u2019information au sein de mol\u00e9cules (assemblages de quelques atomes seulement), et ainsi r\u00e9duire encore les consommations \u00e9nerg\u00e9tiques. <em>\u00ab C\u2019est comme cela que l\u2019industrie a pu remplacer les LED par des \u00e9quivalents organiques, les OLED, dans de nouvelles g\u00e9n\u00e9rations d\u2019\u00e9crans plats \u00bb, <\/em>explique le chercheur. Ce dernier ne cache pas le c\u00f4t\u00e9 exploratoire de cette piste :<em> \u00ab Mis \u00e0 part les OLED, l\u2019\u00e9lectronique organique, qui promettait au d\u00e9but des ann\u00e9es 2000 de r\u00e9volutionner l\u2019\u00e9lectronique, n\u2019a pas tenu toutes ses promesses et demeure un domaine de recherche principalement fondamental. Si d\u2019\u00e9ventuels neurones ou synapses organiques, tr\u00e8s \u00e9conomes en \u00e9nergie, deviennent r\u00e9alit\u00e9, ce ne sera pas avant cinq ou dix ans \u00bb.<\/em><\/p>\n<\/div>\n<div id=\"article-contenu4\" class=\"section-heading\">\n<h4><strong>Le d\u00e9fi des circuits int\u00e9gr\u00e9s<\/strong><\/h4>\n<div id=\"attachment_15032\" style=\"width: 310px\" class=\"wp-caption alignleft\"><a href=\"https:\/\/www.iemn.fr\/wp-content\/uploads\/2018\/01\/memristor_organique_V-DERYCKE_CEA.png\"><img loading=\"lazy\" decoding=\"async\" aria-describedby=\"caption-attachment-15032\" class=\"size-medium wp-image-15032\" src=\"https:\/\/www.iemn.fr\/wp-content\/uploads\/2018\/01\/memristor_organique_V-DERYCKE_CEA-300x288.png\" alt=\"memristor_organique_V-DERYCKE_CEA\" width=\"300\" height=\"288\" srcset=\"https:\/\/www.iemn.fr\/wp-content\/uploads\/2018\/01\/memristor_organique_V-DERYCKE_CEA-300x288.png 300w, https:\/\/www.iemn.fr\/wp-content\/uploads\/2018\/01\/memristor_organique_V-DERYCKE_CEA-36x36.png 36w, https:\/\/www.iemn.fr\/wp-content\/uploads\/2018\/01\/memristor_organique_V-DERYCKE_CEA.png 658w\" sizes=\"auto, (max-width: 300px) 100vw, 300px\" \/><\/a><p id=\"caption-attachment-15032\" class=\"wp-caption-text\"><br \/>Vue en microscopie \u00e9lectronique de memristors organiques mis au point par l\u2019\u00e9quipe de Vincent Derycke. Le halo sombre (sur la partie zoom\u00e9e, en bas) montre l\u2019extension du film organique greff\u00e9.<br \/>\u00a9V.DERYCKE\/CEA<\/p><\/div>\n<p>Malgr\u00e9 une multitude de mat\u00e9riaux propos\u00e9s pour l\u2019ing\u00e9nierie neuromorphique, tous les chercheurs butent pour l\u2019instant sur le m\u00eame obstacle : le passage \u00e0 l\u2019\u00e9chelle. <em>\u00ab Un composant seul peut pr\u00e9senter un comportement physique remarquable, mais ce b\u00e9n\u00e9fice s\u2019estompe parfois lorsque l\u2019on en int\u00e8gre des milliers \u00bb<\/em>, commente Damien Querlioz. Il suffit par exemple que la tension \u00e9lectrique arrivant \u00e0 l\u2019entr\u00e9e de chaque composant varie l\u00e9g\u00e8rement pour ruiner l\u2019int\u00e9r\u00eat d\u2019une puce neuromorphique complexe. Or, <em>\u00ab des milliers, voire des centaines de milliers de composants \u00e0 int\u00e9grer ensemble, c\u2019est pourtant le minimum si l\u2019on veut mettre au point de premi\u00e8res applications commerciales \u00bb<\/em>, poursuit le jeune chercheur, m\u00e9daille de bronze du CNRS en 2017 pour ses travaux sur ces futures architectures neuromorphiques.<\/p>\n<div id=\"article-contenu4\" class=\"section-heading\">\n<p>Le contr\u00f4le fin de la tension d\u2019entr\u00e9e donne encore du fil \u00e0 retordre aux chercheurs. C\u2019est l\u2019un des d\u00e9fis que se propose de relever l\u2019\u00e9quipe de Sylvain Saighi au sein du Laboratoire de l\u2019int\u00e9gration du mat\u00e9riau au syst\u00e8me<em> <sub>[8]<\/sub><\/em>. \u00c0 partir de la synapse ferro\u00e9lectrique de Vincent Garcia, dite \u00ab <span class=\"mot-definition\">memristor<\/span>\u00bb, les chercheurs tentent de construire un circuit de 1024 x 100 \u00e9l\u00e9ments. \u00c0 travers le projet europ\u00e9en Ulpec, impliquant notamment IBM, Bosch et la soci\u00e9t\u00e9 parisienne Chronocam, ce circuit devrait ensuite \u00eatre int\u00e9gr\u00e9 et test\u00e9 au sein d\u2019une cam\u00e9ra embarqu\u00e9e dans la voiture autonome. Restera aussi \u00e0 r\u00e9gler le probl\u00e8me de la production en s\u00e9rie des composants : <em>\u00ab Il nous faut maintenant montrer que l\u2019on peut produire notre memristor sur les substrats silicium habituels des industriels de la micro\u00e9lectronique pour envisager une production \u00e0 grande \u00e9chelle \u00bb<\/em>, pr\u00e9voit Sylvain Sa\u00efghi. M\u00eame ambition pour Julie Grollier. D\u2019ailleurs, si son \u00e9quipe a \u00e9t\u00e9 la premi\u00e8re \u00e0 faire fonctionner des neurones artificiels bio-inspir\u00e9s au sein d\u2019une application<em>, <\/em>c\u2019est parce qu\u2019elle a us\u00e9 d\u2019un astucieux artifice<em> :<\/em> un seul nano-neurone a permis de reconstituer un circuit de 400 neurones gr\u00e2ce \u00e0 la m\u00e9thode de multiplexage temporel. <em>\u00ab Un peu comme si un acteur s\u2019enregistrait en train de jouer les 400 r\u00f4les d\u2019un m\u00eame film et qu\u2019on les superposait au montage \u00bb<\/em>, illustre la chercheuse. Les circuits bien r\u00e9els de centaines ou de milliers de neurones sont donc aujourd\u2019hui attendus de pied ferme !<\/p>\n<p class=\"node-title\" style=\"text-align: right;\"><strong>Lire aussi :<\/strong> <a href=\"https:\/\/lejournal.cnrs.fr\/articles\/des-machines-enfin-intelligentes\" target=\"_blank\" rel=\"noopener\">\u00ab Des machines enfin intelligentes\u2009? \u00bb<\/a><\/p>\n<div class=\"footnotes-wrapper\">\n<h6>Notes<\/h6>\n<ul class=\"footnotes\">\n<li id=\"footnote1_tt6yuz8\" class=\"footnote\">1. \u00ab Neuromorphic computing with nanoscale spintronic oscillators \u00bb, J. Torrejon et al., Nature, 2017, vol. 547 : 428-431 (publi\u00e9 en ligne le 27 juillet 2017). <a class=\"ext\" href=\"https:\/\/www.nature.com\/articles\/nature23011\" target=\"_blank\" rel=\"noopener\">https:\/\/www.nature.com\/articles\/nature23011<span class=\"ext\"><span class=\"element-invisible\"> (link is external)<\/span><\/span><\/a><\/li>\n<li id=\"footnote2_kk59lpi\" class=\"footnote\">2<a class=\"footnote-label\" href=\"https:\/\/lejournal.cnrs.fr\/articles\/demain-un-ordinateur-inspire-de-notre-cerveau#footnoteref2_kk59lpi\">.<\/a> Unit\u00e9 CNRS\/Thales\/Universit\u00e9 Paris-Sud.<\/li>\n<li id=\"footnote3_gfo1b16\" class=\"footnote\">3. \u00ab Learning through ferroelectric domain dynamics in solid-state synapses \u00bb, S. Boyn et al., Nature Communications, 2017, vol. 8, publi\u00e9 en ligne le 3 avril 2017. <a class=\"ext\" href=\"https:\/\/www.nature.com\/articles\/ncomms14736\" target=\"_blank\" rel=\"noopener\">https:\/\/www.nature.com\/articles\/ncomms14736<span class=\"ext\"><span class=\"element-invisible\"> (link is external)<\/span><\/span><\/a><\/li>\n<li id=\"footnote4_3tte66n\" class=\"footnote\">4. Unit\u00e9 CNRS\/Universit\u00e9 Paris-Sud\/Universit\u00e9 Paris-Saclay.<\/li>\n<li id=\"footnote5_46gmobb\" class=\"footnote\">5. Unit\u00e9 CNRS\/Universit\u00e9 de Lille 1.<\/li>\n<li id=\"footnote6_a20kb4i\" class=\"footnote\">6. Unit\u00e9 CNRS\/Universit\u00e9 de Nantes.<\/li>\n<li id=\"footnote7_mjrso8j\" class=\"footnote\">7. Nanosciences et innovation pour les mat\u00e9riaux, la biom\u00e9decine et l\u2019\u00e9nergie (CNRS\/ CEA\/Universit\u00e9 Paris-Saclay).<\/li>\n<li id=\"footnote8_pxeigzn\" class=\"footnote\">8. Unit\u00e9 CNRS\/Bordeaux INP\/Universit\u00e9 de Bordeaux.<\/li>\n<\/ul>\n<\/div>\n<\/div>\n<\/div>\n<\/div><\/section><\/div>","protected":false},"excerpt":{"rendered":"<p>What if we reinvented the computer by drawing inspiration from the neurons in the human brain? Thanks to bio-inspired electronic components, researchers are putting forward new models to boost artificial intelligence applications. Published on 12\/01\/2018, CNRS, The Journal - Hugo Leroux<\/p>","protected":false},"author":2,"featured_media":15034,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[5],"tags":[94,96,95],"class_list":["post-15111","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-articles-revue-de-presse","tag-cnrs","tag-ia","tag-intelligence-artificielle"],"_links":{"self":[{"href":"https:\/\/www.iemn.fr\/en\/wp-json\/wp\/v2\/posts\/15111","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.iemn.fr\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.iemn.fr\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.iemn.fr\/en\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.iemn.fr\/en\/wp-json\/wp\/v2\/comments?post=15111"}],"version-history":[{"count":0,"href":"https:\/\/www.iemn.fr\/en\/wp-json\/wp\/v2\/posts\/15111\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.iemn.fr\/en\/wp-json\/wp\/v2\/media\/15034"}],"wp:attachment":[{"href":"https:\/\/www.iemn.fr\/en\/wp-json\/wp\/v2\/media?parent=15111"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.iemn.fr\/en\/wp-json\/wp\/v2\/categories?post=15111"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.iemn.fr\/en\/wp-json\/wp\/v2\/tags?post=15111"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}