Thèse de Marie Drouhin

Marie Drouhin présentera ses travaux de thèse sur Calcul Neuromorphique basé sur la Physique : Des Neurones à Impulsions aux Algorithmes d’Apprentissage le mercredi 22 novembre à 14h00 au C2N.

Résumé :
À l’ère numérique actuelle, caractérisée par une augmentation exponentielle de la puissance de calcul et de la capacité de mémoire, nous sommes confrontés à un défi pressant : la consommation d’énergie croissante de la technologie de l’information. La demande croissante de services intensifs en données, notamment l’intelligence artificielle (IA) et le cloud computing, souligne la nécessité de calculs respectueux de l’environnement et propices à l’innovation. Cette thèse explore le potentiel des memristors pour le calcul neuromorphique afin de réaliser une IA basse énergie.
Nous avons d’abord étudié des neurones composés de memristors volatils NbOx, offrant une alternative attrayante aux dispositifs CMOS classiques par leur scalabilité et leur dynamique. Ces dispositifs ont été caractérisés et présentent de nombreux comportements avec impulsions et bursting, tels que l’intégration et tir avec fuite ou le « phasic bursting ».
Du côté des algorithmes, nous avons adapté la Propagation à l’Équilibre (EqProp) aux systèmes physiques. EqProp, ancré dans la physique plutôt que dans le calcul, offre une perspective intéressante : exploiter la physique inhérente des systèmes réels pour l’apprentissage sur puce. Ce travail a porté sur l’adaptation des gradients continus aux memristors, où la programmation se fait sous forme d’impulsions. Nous avons ensuite testé la résilience de la version discrétisée de EqProp en remplaçant les synapses idéales par des mesures de memristors HfOx, atteignant plus de 91% de précision sur la base de données MNIST.