Dynamique non linéaire des ondes de spin contrôlée par tension pour le calcul neuromorphique – ANTIPASTI

« Je pense donc je suis », citation peut-être la plus célèbre de Descartes, met en lumière la complexité cognitive humaine, qui a la capacité de raisonner sur elle-même. Est-il possible de conférer certains de ces attributs aux machines et les faire "penser" afin de qu’elles partagent nos tâches ? Cette question est traitée par de nombreux chercheurs dans de nombreux domaines : l'électronique, la photonique, mais également la spintronique. Pour imiter les capacités cognitives du cerveau, nous avons besoin d'éléments nonlinéaires tels que les neurones connectés aux synapses. Je propose d'utiliser la non-linéarité intrinsèque des ondes de spin et leurs interactions complexes pour imiter l'architecture neuronale du cerveau, c’est-à-dire réaliser les calculs dans l’espace réciproque, permettant ainsi de s’affranchir des circuits électroniques classiques. L'idée est d’utiliser l'excitation paramétrique de modes d'ondes de spin (les neurones) dans un système magnétique simple et de contrôler leur couplage (les synapses) en modulant l’anisotropie magnétique par une tension appliquée (VCMA pour Voltage Control of Magnetic Anisotropy), ceci dans le but de créer une signature spectrale unique pour une même famille d’inputs, dans le but de les classer (l’une des tâches principales d’une IA).  Les défis sont multiples : réussir à combiner faible damping et coefficient de VCMA élevé, et contrôler les interactions non-linéaires entre modes. Cette approche non-conventionnelle (neuromorphe) de l'informatique n'a à ce jour pas été exploitée et combine plusieurs avantages : l'efficacité énergétique, la compacité et un faible coût, promettant des dispositifs à faible impact environnemental. Une application directe d’un tel système est le traitement de données (reconnaissance vocale et d’images, traitement du langage), et pourrait également être étendue à des applications dans plusieurs systèmes embarqués.