Réseau de neurones artificiels à base de memristors et de circuits intégrés – MHANN

En 2008, des chercheurs de Hewlett-Packard ont présenté un nouveau composant électronique, appelé le memristor. Ce composant, théoriquement proposé par L. Chua en 1971, est non-volatile et non-linéaire. En appliquant une tension, il est possible de faire varier de façon continue la résistance du composant. La résistance est « mémorisée » après arrêt de la tension appliquée. Ces memristors offrent une grande variété d'applications en tant que mémoires binaires, analogiques ou multi-niveaux ou encore comme interrupteurs dans les mémoires reconfigurables. Il se comportent de plus intrinsèquement comme des synapses artificielles. La plupart des dispositifs « memristor » proposés à ce jour sont basés sur des effets physiques impliquant la formation/déplacement de défauts, par exemple l'électromigration de lacunes d'oxygène pour les composants d’Hewlett-Packard. Pour une utilisation à long terme de ces dipositifs, les problèmes de fiabilité relatifs aux températures de fonctionnement élevées, à la difficulté du contrôle précis de la résistance, et même à la détérioration potentielle du composant devront être résolus.
En 2009, les partenaires du projet, UMPhi-CNRS et Thales, ont breveté un nouveau dispositif: le "memristor ferroélectrique". Ce memristor appartient à une autre catégorie de mémoires résistives. Les variations de résistance sont dues à des effets purement électroniques et la structure des matériaux est donc préservée. Ces composants sont basés sur un concept physique radicalement différent des solutions existantes : la ferroélectricité dans les jonctions tunnel. La commutation résistive est basée sur le renversement des domaines ferroélectriques, ce qui confère à ce memristor un avantage indéniable en termes de fiabilité en vue d’une production commerciale.
D'autre part, des sociétés comme Intel ont insisté sur le fait que les applications hautes performances les plus importantes ne sont pas de type calcul scientifique, mais appartiennent aux catégories: « Recognition, Mining and Synthesis » (RMS). Les deux premières reposent sur la classification, le clustering, le rapprochement et les algorithmes d'optimisation, pour lesquels des algorithmes concurrentiels à base de réseaux de neurones existent. En raison des sévères contraintes de consommation, la fréquence d'horloge des processeurs n’augmente plus ou à peine. De ce fait, un réseau matériel de neurones aurait toutes les performances d’un réseau logiciel mais il pourrait aussi être plus puissant (environ 100 fois) pour une consommation identique.
Il y a donc une convergence entre la technologie, l'architecture et les applications: les réseaux matériels de neurones artificiels sont bien adaptés pour fournir une solution à un type important d'applications tout en s'affranchissant des problèmes technologiques présents et à venir.
Les memristors constituent une alternative idéale d’implémentation. Ils sont très adaptés pour jouer le rôle de synapses dans les réseaux matériels de neurones artificiels. De plus ; leur intégration sera beaucoup plus dense que celles actuelles à base de SRAM et ils exigent beaucoup moins d'énergie car ils sont non-volatiles. Un réseau matériel composé de neurones intégrés analogiques et de memristors ouvre la voie à la conception d’accélérateurs de calcul à haute performance capables de s'attaquer aux applications RMS nécessitant de grande ressource de calcul.
Le but de ce projet est de construire un prototype de taille moyenne d'une telle architecture bio-inspirée, à l'aide de memristors "ferroélectriques" nanométrique. La surface, la performance et la puissance de ce prototype seront évalués pour définir son intérêt pour les systèmes embarqués.
Le projet MHANN est multi-disciplinaire dans le sens où il rassemble de nouveaux concepts sur la physique des composants (physique) pour leur intégration sur silicium dans des architectures bio-inspirées (micro-électronique, informatique et architectures).