Neurones artificiels à ion unique : une révolution pour les puces économes en énergie et intelligente

Des chercheurs de l’USC Viterbi School of Engineering et de l’School of Advanced Computing ont conçu des neurones artificiels capables de reproduire fidèlement le fonctionnement électrochimique des cellules nerveuses biologiques. Cette avancée, publiée dans Nature Electronics, représente une étape décisive dans le développement des systèmes de calcul neuromorphiques. Ces nouveaux neurones artificiels, intégrés sur une puce à l’aide d’une pile composée d’un memristor diffusif, d’une résistance et d’un transistor, occupent une surface active d’environ 4 μm² — soit la taille d’un seul transistor — contre des dizaines ou centaines nécessaires dans les architectures traditionnelles. Cette réduction drastique de la taille et de la consommation énergétique ouvre la voie à des puces plus efficaces, capables de soutenir l’intelligence artificielle générale (IAG). Contrairement aux processeurs numériques classiques ou aux premières générations de puces neuromorphiques qui simulent uniquement le comportement neuronal par des équations mathématiques, ces nouveaux dispositifs reproduisent physiquement les dynamiques analogiques du cerveau humain. Ils s’inspirent du mécanisme biologique où des signaux électriques sont convertis en signaux chimiques à la synapse, avant d’être à nouveau transformés en signaux électriques dans la cellule suivante. Les chercheurs, dirigés par le professeur Joshua Yang, ont utilisé des ions d’argent dans un oxyde pour imiter ce processus. Le mouvement des ions, similaire à celui des ions potassium, sodium ou calcium dans le cerveau, permet de générer des impulsions électriques et de réaliser des fonctions cognitives comme l’apprentissage, la planification ou le mouvement. Le dispositif, baptisé memristor diffusif, repose sur le déplacement d’atomes plutôt que sur le flux d’électrons, comme dans les circuits traditionnels. Selon Yang, ce choix s’inscrit dans une logique d’efficacité : « Le cerveau humain est le système intelligent le plus efficace évolué à ce jour. Il consomme seulement 20 watts pour des tâches complexes, contre des mégawatts pour les supercalculateurs. » L’apprentissage dans le cerveau se fait directement au niveau matériel, grâce au déplacement d’ions à travers les membranes neuronales — un processus qu’on appelle « wetware ». En revanche, les systèmes électroniques actuels nécessitent des algorithmes logiciels coûteux en énergie pour apprendre, même avec des milliers d’exemples. Cette nouvelle approche permet non seulement une réduction d’ordre de grandeur de la consommation énergétique, mais aussi une miniaturisation radicale. Alors qu’un smartphone contient actuellement des milliards de transistors répartis sur plusieurs puces, chaque neurone artificiel ici ne nécessite qu’un seul transistor. Cette réduction de la surface de circuit pourrait rendre l’IA durable à long terme, en permettant des systèmes intelligents autonomes et économes. Yang souligne que bien que l’argent soit utilisé dans les expériences, il n’est pas directement compatible avec la fabrication semi-conductrice standard. Des espèces ioniques alternatives devront être explorées pour une intégration industrielle. L’étape suivante consiste à intégrer des milliards de ces neurones et synapses artificiels pour reproduire l’efficacité et la flexibilité du cerveau. Enfin, l’expert est optimiste : « Ces systèmes fidèles au cerveau pourraient non seulement révolutionner l’IA, mais aussi nous aider à mieux comprendre le fonctionnement de notre propre cerveau. »