Physique Neuromorphique
En bref
La physique neuromorphique combine des méthodes inspirées du cerveau avec la physique pour un traitement efficace de l’information. En utilisant des nanomatériaux et des technologies telles que la spintronique, la supraconductivité et la photonique, elle augmente les performances des réseaux de neurones classiques et quantiques. La physique intervient à la fois pour perfectionner les dispositifs imitant neurones et synapses, et pour améliorer les algorithmes. L’objectif est de concevoir des dispositifs économes en énergie, capables d’analyser des données et d’apprendre en temps réel.
Nanocomposants Neuromorphiques
Alors que les processeurs IA nécessitent de plus en plus d’énergie, notre équipe exploite les avancées de la nanotechnologie pour développer des circuits durables en utilisant des matériaux spintroniques, supraconducteurs et oxydes. Nous construisons des réseaux neuronaux qui tirent parti des capacités uniques de ces matériaux, dans le but de créer des accélérateurs hybrides qui surpassent à grande échelle l’efficacité du CMOS.
Calcul Neuromorphique Quantique
Le calcul neuromorphique quantique réalise des réseaux neuronaux sur des systèmes quantiques. Ces réseaux projettent les données dans un espace de Hilbert à haute dimension pour une classification efficace et peuvent traiter et reconnaître automatiquement les états quantiques, réduisant le besoin de mesures classiques. Dans notre équipe, nous explorons les propriétés des circuits supraconducteurs pour développer de nouvelles méthodes d’apprentissage pour ces réseaux.
Algorithmes neuromorphiques
Nous développons de nouveaux algorithmes d’apprentissage qui combinent la précision des méthodes mathématiques et la compatibilité matérielle des techniques inspirées du cerveau. En exploitant la spintronique, les oxydes et la mécanique quantique, nous cherchons à créer des réseaux neuronaux matériels efficaces et économes en énergie. Forts de l’exemple du cerveau, nous relevons le défi d’atteindre une haute performance tout en gérant les incertitudes des nano-composants.
Des nano-oscillateurs couplés capables de reconnaître des voyelles selon une règle d’apprentissage
Des physiciens ont réussi à former un réseau de quatre nano-oscillateurs couplés capable de reconnaître des voyelles parlées en accordant leurs fréquences selon une...
Un pas vers les puces miniatures intelligentes
Des chercheurs de l’Unité mixte de physique CNRS/Thales et du Centre de nanosciences et de nanotechnologies (CNRS/Université Paris-Sud), en collaboration avec des scientifiques japonais, ont...
