Neurones Impulsionnels Spintroniques – SpinSpike

Les progrès récents des réseaux de neurones profonds ont bouleversé de nombreux domaines, de la recherche scientifique aux applications commerciales. Une préoccupation majeure est toutefois le coût énergétique de l'Intelligence Artificielle (IA), qui constitue une menace pour l'environnement et empêche son déploiement dans les systèmes embarqués. Les réseaux de neurones impulsionnels comptent parmi les algorithmes les plus prometteurs pour concevoir de systèmes matériels à faible consommation d'énergie capable d'apprendre en temps réel. Pour exploiter leur potentiel, il faut imiter les synapses et les neurones impulsionnels avec des nanodispositifs physiques et les connecter de manière dense. La spintronique est une technologie prometteuse pour la mise en œuvre de tels réseaux en raison de sa faible consommation d'énergie et de sa très grande endurance qui pourraient permettre l'apprentissage en continu. Pourtant, il manque l’ingrédient clé pour construire des systèmes neuromorphiques impulsionnels spintroniques: le neurone impulsionnel spintronique lui-même.
SpinSpike va développer les fondations de réseaux de neurones impulsionnels entièrement spintroniques à faible consommation énergétique, en utilisant des nanojonctions tunnel magnétiques (JTM) comme neurones impulsionnels et synapses. Nous avons défini trois objectifs:
1) Nous allons réaliser des neurones impulsionnels avec des JTM. Deux configurations générant des dynamiques impulsionnelles ont été identifiées par nos travaux préliminaires. Le premier concept utilise un polariseur perpendiculaire qui induit une période d'oscillation d’aimantation dans la couche libre planaire lorsqu'une impulsion de courant est appliquée, ensuite la convertie en impulsion de tension. Le second concept exploite le mouvement d’aimantation en moulin à vent dans une JTM entièrement perpendiculaire avec deux couches couplées.
2) Nous allons démontrer deux fonctionnalités des réseaux de neurones impulsionnels : la STDP et la synchronisation. L'une des règles d'apprentissage non supervisé les plus prometteuses, inspirée de la biologie, est la plasticité dépendante du temps entre les impulsions (STDP). Cependant, la STDP induite par les impulsions de nano-neurones appliquées à des nano-synapses n'a jamais été obtenue. Nous ferons la première démonstration expérimentale de STDP en utilisant deux neurones impulsionnels JTM et une synapse JTM. Les impulsions émises par les neurones biologiques peuvent se synchroniser, ce qui est un processus clé en neuroscience pour l'informatique et la mémoire. Nous démontrerons la synchronisation entre les impulsions de deux neurones JTM et nous explorerons comment contrôler cette synchronisation par une synapse JTM intermédiaire.
3) Nous évaluerons les capacités des réseaux de neurones impulsionnels spintroniques pour des applications d'apprentissage non supervisées. La mise en œuvre d'un réseau de neurones impulsionnels entièrement spintroniques nécessite une conception conjointe du matériel et des algorithmes. Grâce à des simulations à grande échelle basées sur les modèles physiques des nanodispositifs, nous réinventerons des algorithmes impulsionnels pour exploiter les avantages des neurones et des synapses spintroniques, avec pour objectif final d'évaluer les réseaux de neurones impulsionnels spintroniques pour les applications.
SpinSpike exploitera la multifonctionnalité, l'endurance et la stabilité des nanodispositifs spintroniques pour fournir des approches novatrices à faible consommation énergétique pour concevoir des réseaux de neurones impulsionnels à grande échelle qui apprennent à reconnaître les données d'une manière non supervisée. Cet objectif sera atteint grâce à une approche multidisciplinaire tirant parti de l'expertise des partenaires en matière de spintronique, d'informatique neuromorphique et d'IA, grâce à une interaction en boucle étroite entre l'optimisation de la conception par simulation, la nanofabrication et les tests électriques.