A) Protocole de rampe d’inversion de température. Les principales désignations des boucles sont les suivantes : ML1-W signifie Primary Loop One lorsqu’elle est chauffée ; ML1-C signifie Primary Loop One sur le refroidissement, de même pour les autres boucles principales. Dans les sous-anneaux, los angeles température varie de manière répétée entre une température basse de TLn = 59,5 °C et une température élevée de THn = 68 °C, sur un overall de n = 11 sous-anneaux complets. Les codes de couleur noir, rouge/orange, vert, cyan et bleu indiquent los angeles même région du protocole d’hystérésis dans les panneaux (a à c). b) Courbes d’hystérésis de densité moyenne en fonction de los angeles température tout au lengthy du protocole d’inversion de rampe du panneau (a). c) Intensité moyenne par rapport au numéro d’symbol. L’intensité est sur une échelle de gris allant de 0 (noir) à 255 (blanc), après prise en compte du contraste d’éclairage (détaillé ailleurs (19)). L. a. ligne pointillée gris clair go well with l’intensité moyenne à los angeles fin de chaque sous-anneau. Encadré : ajuster l’intensité moyenne à los angeles fin de chaque sous-boucle (c’est-à-dire à THn), par rapport au nième indice de sous-boucle, à los angeles saturation exponentielle. L. a. constante de temps est nτ = 3,1 ± 0,5 sous-boucles. Ce percent peut être vu dans les panneaux (b) et (d) comme los angeles bosse des courbes rouge/orange/verte. d) Zoom avant montrant l’augmentation innovative après chaque sous-anneau de los angeles densité moyenne autour du level de retournement à haute température TH = 68 °C. crédit: Matériaux électroniques avancés (2023). DOI : 10.1002/aelm.202300085
L. a. technologie se rapproche de plus en plus du monde de l’informatique ultra-rapide utilisant l’intelligence artificielle. Mais le monde est-il équipé du matériel adéquat pour gérer los angeles rate de travail résultant des nouvelles avancées technologiques dans le domaine de l’intelligence artificielle ?
“Les codes inspirés du cerveau de los angeles révolution de l’IA fonctionnent en grande partie sur des architectures informatiques traditionnelles en silicium, pour lesquelles ils n’ont pas été conçus”, explique Erika Carlson, professeur de body et d’astronomie à l’université Purdue à l’instance de son 150e anniversaire.
Dans le cadre d’un effort conjoint entre des physiciens de l’Université Purdue, de l’Université de Californie à San Diego (USCD) et de l’École Supérieure de Body et Chimie Industrielle (ESPCI) de Paris, en France, des chercheurs pensent avoir découvert un moyen de retravailler des dispositifs en imitant le synapses dans le cerveau humain. Ils ont publié leurs résultats, « Mémoire d’inversion de pente spatialement distribuée en VO ».2,” dans Matériaux électroniques avancés.
De nouveaux paradigmes matériels seront nécessaires pour gérer los angeles complexité des avancées informatiques de demain. “Les architectures neuronales sont prometteuses pour les processeurs avec une consommation d’énergie plus faible, un calcul amélioré, des kinds de calcul fondamentalement différents, un apprentissage natif et une reconnaissance de formes améliorée”, selon Carlson, le théoricien important de cette recherche.
L’ingénierie neuronale se résume essentiellement à des puces informatiques qui imitent le comportement du cerveau. Les neurones sont des cellules du cerveau qui transmettent des informations. Les neurones ont de petits espaces à leurs extrémités qui permettent aux signaux de passer d’un neurone à un autre, appelés synapses. Dans les cerveaux biologiques, ces synapses codent los angeles mémoire. Cette équipe de scientifiques conclut que les oxydes de vanadium sont extrêmement prometteurs pour l’informatique neuronale, automobile ils peuvent être utilisés pour fabriquer des neurones et des synapses artificiels.
“L. a. dissonance entre le matériel et les logiciels est à l’origine du coût énergétique très élevé de los angeles formation, par exemple pour les grands modèles de langage comme ChatGPT”, explique Carlson. “En revanche, les neuroarchitectures promettent une consommation d’énergie plus faible en imitant les composants de base du cerveau : les neurones et les synapses. Bien que le silicium soit efficace pour le stockage de los angeles mémoire, le matériau ne se prête pas facilement au comportement de kind neurone.”
“En fin de compte, fournir des answers efficaces et réalisables en matière de neurodispositifs nécessite des recherches sur des matériaux ayant un comportement radicalement différent de celui du silicium – ceux qui peuvent imiter les synapses et les neurones naturels. Malheureusement, les besoins concurrents en matière de conception des synapses et des neurones artificiels signifient que los angeles plupart des matériaux. Ceux qui fabriquent de bonnes synapses échouent en tant que neurotransmetteurs, et vice versa. Seuls quelques matériaux, principalement des matériaux quantiques, ont los angeles capacité avérée de faire les deux. »
L’équipe s’est appuyée sur un kind de mémoire non unstable récemment découvert, qui est piloté par des cycles de température partiels répétés tout au lengthy de los angeles transition isolant-métal. Cette mémoire a été découverte dans les oxydes de vanadium.
“Seuls quelques matériaux quantiques sont de bons candidats pour les futurs dispositifs neuronaux, c’est-à-dire les simulations de synapses et de neurones artificiels”, explique Alexandre Zimmers, éminent scientifique expérimental de los angeles Sorbonne et de l’École Supérieure de Body et de Chimie de Paris. pour los angeles première fois, dans l’un d’eux, le dioxyde de vanadium, nous pouvons « Nous pouvons voir visuellement les changements dans le matériau lorsqu’il agit comme une synapse artificielle. Nous avons constaté que los angeles mémoire s’accumule dans tout le spécimen, ouvrant de nouvelles opportunités sur los angeles façon dont et où cette propriété peut être contrôlée.
“Étonnamment, los angeles microscopie vidéo montre que les avancées et retraits répétés des domaines métalliques et isolants conduisent à une accumulation de mémoire dans l’ensemble de l’échantillon, et pas seulement aux limites des domaines”, explique Carlson. “L. a. mémoire apparaît sous los angeles forme de transitions de température locales lorsqu’un matériau passe d’un isolant à un métal lors du chauffage, ou d’un métal à un isolant lors du refroidissement. Nous proposons que ces changements de température de transition locaux s’accumulent en raison de los angeles propagation préférentielle de défauts ponctuels. dans les domaines métalliques enchevêtrés à travers l’isolant, c’est là que le matériau tourne partiellement pendant los angeles transition.
Maintenant que l’équipe a démontré que les oxydes de vanadium sont des candidats potentiels pour les futurs dispositifs neuronaux, elle prévoit de passer à los angeles prochaine segment de ses recherches.
“Maintenant que nous avons trouvé un moyen de voir à l’intérieur de ce matériau neuronal, nous pouvons, par exemple, moduler et surveiller localement les effets du bombardement ionique sur los angeles floor du matériau”, explique Zimmers. “Cela peut nous permettre de diriger le courant électrique à travers des régions spécifiques de l’échantillon où l’effet mémoire est le plus vital. Cela a le potentiel d’améliorer considérablement le comportement synaptique de ce matériau neuronal.”
Plus d’knowledge:
Sayan Basak et al., Mémoire d’inversion de pente spatialement distribuée dans VO2, Matériaux électroniques avancés (2023). DOI : 10.1002/aelm.202300085
Fourni par l’Université Purdue
los angeles quotation: Recherche en neuroinformatique : une équipe suggest des appareils qui imitent le cerveau humain (6 novembre 2023) Récupéré le 6 novembre 2023 sur
Ce report est soumis au droit d’auteur. Nonobstant toute utilisation équitable à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans autorisation écrite. Le contenu est fourni à titre informatif uniquement.