Des chercheurs de l’Université de Sydney et de Californie ont conçu un réseau neuronal physique qui a réussi à apprendre et à se souvenir ‘à la volée’, d’une manière inspirée et similaire à celle dont fonctionnent les neurones du cerveau. Cette découverte ouvre la voie au développement d’une intelligence machine efficace et à faible consommation d’énergie pour des tâches d’apprentissage et de mémoire plus complexes et réelles.
L’auteur principal, Ruomin Zhu, a déclaré : « Les résultats démontrent comment les fonctions d’apprentissage et de mémoire inspirées du cerveau utilisant des réseaux de nanofils peuvent être utilisées pour traiter des données dynamiques et en streaming ». Les réseaux de nanofils sont constitués de minuscules fils qui ont un diamètre de seulement quelques milliardièmes de mètre. Ces fils s’organisent en motifs qui rappellent le jeu pour enfants ‘Pick Up Sticks’, imitant les réseaux neuronaux, comme ceux de notre cerveau. Ces réseaux peuvent être utilisés pour effectuer des tâches spécifiques de traitement de l’information. Les tâches de mémoire et d’apprentissage sont réalisées à l’aide d’algorithmes simples qui répondent aux changements de résistance électronique aux jonctions où les nanofils se chevauchent. Connu sous le nom de ‘commutation de mémoire résistive’, cette fonction est créée lorsque les entrées électriques rencontrent des changements de conductivité, similaires à ce qui se passe avec les synapses dans notre cerveau.
Une approche standard consisterait à stocker les données en mémoire, puis à former un modèle d’apprentissage automatique à l’aide de ces informations stockées. Mais cela consommerait trop d’énergie pour une application généralisée. « Notre approche novatrice permet au réseau neuronal de nanofils d’apprendre et de se souvenir ‘à la volée’, échantillon par échantillon, en extrayant des données en ligne, évitant ainsi une utilisation lourde de la mémoire et de l’énergie », souligne l'étude.
Article rédigé par Georges Simmonds pour RT Flash
