Développer une informatique en réseau neuronal performante
L’informatique neuromorphique utilise du matériel basé sur la structure, les processus et les capacités des neurones et des synapses des cerveaux biologiques. Des scientifiques pionniers pensent que cette approche pourrait constituer une alternative économe en énergie aux architectures informatiques conventionnelles. Des applications potentielles ont déjà été identifiées dans divers domaines, notamment l’intelligence artificielle (IA), la robotique et les systèmes autonomes. Divers défis doivent toutefois encore être abordés pour une commercialisation à grande échelle.
Surmonter les limitations des ordinateurs neuromorphiques
Le projet PlasmoniAC, financé par l’UE, s’était fixé pour objectif de trouver des moyens de surmonter certains de ces problèmes. «Nous voulions remédier aux limites d’efficacité inhérentes aux systèmes de calcul électronique neuromorphiques», explique Nikos Pleros, coordinateur du projet PlasmoniAC à l’université Aristote de Thessalonique en Grèce. «Il s’agit notamment de limitations de vitesse et de puissance, mais aussi des difficultés de connexion avec les processeurs électroniques analogiques.» Pour ce faire, le projet a cherché à développer des matériaux basés sur la plasmonique. Il s’agit d’un domaine de recherche de pointe qui se concentre sur l’interaction résonante entre le rayonnement électromagnétique et les électrons libres à l’interface entre un métal et un matériau diélectrique tel que l’air ou le verre. Cette interaction génère des ondes de densité électronique appelées plasmons ou plasmons de surface. L’équipe du projet PlasmoniAC était convaincue que le développement de nouveaux matériaux et technologies plasmoniques pourrait être la clé de l’optimisation de la puissance de calcul, de la taille et de l’énergie des puces neuromorphiques, et donc contribuer à l’efficacité de l’informatique neuromorphique.
Des prototypes plasmoniques validés expérimentalement
L’équipe du projet a commencé par étudier le potentiel de l’utilisation de divers nouveaux matériaux basés sur la plasmonique dans l’informatique neuromorphique. Il s’agit de matériaux tels que le titanate de baryum, l’hybride organique plasmonique et le dioxyde de titane. Des modèles d’apprentissage profond ont également été adaptés. L’équipe du projet a développé une nouvelle classe de modèles et d’architectures d’apprentissage profond guidés par l’optique, qui ont ensuite été validés dans les prototypes de PlasmoniAC. «Nous avons pu évaluer les performances de ces architectures et prototypes en déployant un large éventail d’ensembles de données d’apprentissage profond», ajoute Nikos Pleros. «Ces ensembles de données incluaient notamment la reconnaissance d’images, la surveillance du trafic des réseaux de cybersécurité et la communication optique.»
Commercialisation de nouveaux composants matériels
La réussite de l’étude et des test de divers matériaux plasmoniques dans le cadre du projet ont ouvert la voie au développement de nouveaux composants informatiques, capables de largement surpasser leurs homologues électroniques en termes d’efficacité énergétique. Un cadre innovant à même d’identifier les menaces de cybersécurité des réseaux entrants a également été développé avec succès. «Le succès de ces activités a déjà conduit à la création de deux sociétés spin-off», déclare Nikos Pleros. «L’objectif est de commercialiser les technologies que nous avons développées, telles que les modulateurs à base de titanate de baryum.» Ce travail pionnier dans les domaines de l’informatique neuromorphique et de la cybersécurité des réseaux d’IA a également donné lieu à la soumission de quatre brevets américains, qui pourraient mener à une future exploitation commerciale. «Ce projet permis de mettre en évidence la faisabilité de la poursuite des feuilles de route théoriques de l’informatique neuromorphique», souligne Nikos Pleros. «Nous avons également pu aborder certains des défis techniques et architecturaux incontournables pour faire passer cette technologie du laboratoire à des applications réelles.»
Mots‑clés
PlasmoniAC, neuromorphique, informatique, synapses, neurones, IA, plasmonique
