Ag/Al₂O₃/ITO memristor for honeybee-inspired associative learning, behavioral emulation, and conductance-constrained flower classification

Dans les recoins tranquilles du monde naturel, l'abeille mellifère offre une véritable leçon de maîtrise en matière d'apprentissage. Ces insectes ne se contentent pas de réagir à leur environnement ; ils construisent des associations complexes entre ce qu'ils perçoivent et ce qu'ils reçoivent. Une abeille apprend à lier une odeur ou une couleur spécifique à une récompense sucrée, ajustant son comportement en fonction de son expérience passée. Cette capacité repose sur les synapses du cerveau, ces minuscules jonctions entre les cellules nerveuses qui se renforcent ou s'affaiblissent à mesure que l'animal apprend et mémorise. Pendant des décennies, les scientifiques ont cherché à construire des dispositifs électroniques capables de mimer cette flexibilité biologique, espérant créer des ordinateurs qui apprennent comme des êtres vivants plutôt que de simplement calculer des nombres. La clé de ce mimétisme réside dans un composant appelé memristor, un type d'interrupteur électronique qui se souvient de la quantité d'électricité qui est passée à travers lui. Contrairement aux interrupteurs standards qui sont simplement sur « on » ou « off », un memristor peut se stabiliser dans de nombreux états de résistance différents, changeant son comportement en fonction de son historique, tout comme une synapse change sa force en fonction de l'activité passée.

Une équipe de chercheurs de l'Université de Ningbo a désormais démontré qu'un dispositif électronique unique et simple peut reproduire plusieurs de ces comportements biologiques sophistiqués, allant de la mémoire de base à la prise de décision complexe. Ils ont construit un composant minuscule utilisant des couches d'argent, d'oxyde d'aluminium et d'un verre conducteur, créant une structure qui répond aux impulsions électriques de manières qui ressemblent étroitement au processus d'apprentissage d'une abeille. En contrôlant soigneusement le flux d'électricité, les scientifiques ont montré que ce dispositif pouvait être entraîné pour associer deux signaux différents, oublier une leçon, puis la réapprendre plus rapidement. Il pouvait même imiter différents niveaux de vigilance, passant entre des états représentant le sommeil, la somnolence et l'éveil. Plus significativement, les chercheurs ont prouvé que les états électriques spécifiques créés par ce dispositif pouvaient être utilisés pour résoudre un problème du monde réel : identifier différents types de fleurs sur une photographie. Le dispositif ne s'est pas contenté de simuler le processus d'apprentissage ; il a effectué le travail réel d'un réseau neuronal, classant des images avec une précision presque identique à celle d'un programme informatique standard.

Le dispositif lui-même est un empilement vertical de matériaux, d'une épaisseur approximativement égale à celle d'un cheveu humain. À la base se trouve une couche de verre conducteur, suivie d'un film mince d'oxyde d'aluminium, et surmontée d'une couche d'argent. Lorsque les chercheurs ont appliqué une tension à la couche d'argent supérieure, ils ont observé un changement physique fascinant. Les atomes d'argent se sont brisés en ions et ont dérivé à travers la couche isolante d'oxyde d'aluminium, formant finalement un minuscule pont conducteur ou filament qui reliait le haut et le bas. Ce filament agit comme un fil qui peut devenir plus épais ou plus mince selon la quantité de courant qui est autorisée à circuler. Lorsque le courant est restreint, le filament reste fin et le dispositif résiste à l'électricité. Lorsque le courant est autorisé à circuler plus librement, le filament s'épaissit, facilitant le passage de l'électricité. Cette croissance et ce rétrécissement physiques du pont d'argent sont ce qui permet au dispositif de se souvenir de son passé, car la taille du filament détermine la façon dont le dispositif répondra aux signaux futurs.

Pour tester si ce mécanisme simple pouvait imiter l'apprentissage complexe d'une abeille, les chercheurs ont appliqué une série d'impulsions électriques au dispositif. Ils ont découvert que le dispositif pouvait être amené à augmenter progressivement sa conductivité, de la même manière qu'une synapse se renforce pendant l'apprentissage, ou à la diminuer, imitant l'affaiblissement d'une mémoire. Ils ont également observé que si deux impulsions étaient envoyées en succession rapide, la seconde impulsion produisait une réponse plus forte que la première, un phénomène connu sous le nom de facilitation de la paire de impulsions (paired-pulse facilitation) qui est courant dans les cerveaux biologiques. Le dispositif a conservé ces différents états pendant plus de 100 secondes, montrant qu'il pouvait conserver l'information pendant un laps de temps significatif. En faisant varier la force et le timing des impulsions, l'équipe a pu programmer le dispositif pour qu'il présente des comportements spécifiques. Ils ont réussi à recréer une version du conditionnement pavlovien, où le dispositif apprend à répondre à un signal faible uniquement après l'avoir associé à un signal plus fort, tout comme un chien apprend à saliver au son d'une cloche après l'avoir associée à de la nourriture.

Les chercheurs sont allés plus loin en démontrant que le dispositif pouvait également modéliser le flux et le reflux de l'apprentissage et de l'oubli. Lorsqu'ils ont cessé de stimuler le dispositif, la réponse électrique s'est lentement affaiblie, représentant le processus naturel de l'oubli. Cependant, lorsqu'ils ont recommencé les impulsions d'entraînement, le dispositif a réappris le comportement beaucoup plus rapidement qu'au premier essai, suggérant qu'une trace de la mémoire originale subsistait. Ils ont également cartographié différents niveaux d'activité électrique à des états de conscience. Une impulsion très faible produisait une réponse basse, qu'ils ont associée à un état de sommeil. Une impulsion modérée créait une réponse intermédiaire pour la somnolence, et une impulsion forte déclenchait une réponse élevée pour l'éveil. Cela a montré qu'une architecture de dispositif unique pouvait produire une large gamme de comportements dépendants de l'historique simplement en changeant le schéma des signaux électriques envoyés, sans avoir besoin de modifier la structure physique du dispositif lui-même.

Enfin, l'équipe a testé si ces états électriques appris pouvaient être utilisés pour une tâche pratique : l'identification de fleurs. Ils ont pris un programme informatique standard conçu pour reconnaître des images de marguerites, de pissenlits, de roses, de tournesols et de tulipes, et ont remplacé la partie finale du programme par les états de conductance de leur dispositif memristor. Le programme utilisait la capacité du dispositif à maintenir différents niveaux de résistance pour représenter les poids de son processus de décision. Lorsque le système a été testé sur un ensemble de données d'images de fleurs, il a atteint une précision de 86,55 % . Ce résultat est remarquablement proche de la précision de 87,09 % obtenue par le programme informatique standard fonctionnant entièrement par logiciel. La faible différence de performance suggère que les états électriques discrets disponibles dans le dispositif physique étaient suffisants pour capturer l'information essentielle nécessaire à la tâche. Cette découverte indique que les propriétés physiques du memristor, dérivées de son filament d'argent, peuvent directement soutenir une reconnaissance de formes complexe, comblant ainsi le fossé entre la physique brute d'un matériau et l'intelligence de haut niveau d'un réseau neuronal.

Ce travail suggère que la voie vers une informatique plus efficace et semblable au cerveau ne nécessite pas forcément la construction de millions de composants complexes, mais plutôt la compréhension de la manière de contrôler un dispositif simple et unique de différentes façons. En ajustant les impulsions électriques, la même structure Ag/Al₂O₃/ITO peut agir comme une cellule de mémoire, un agent d'apprentissage ou un classificateur. Les chercheurs ont montré que le comportement du dispositif n'est pas fixe mais dépend entièrement de l'historique de la stimulation qu'il reçoit. Cette flexibilité permet au matériel de s'adapter à différentes tâches, du mimétisme du cycle sommeil-éveil d'un insecte au tri de données visuelles. Les résultats fournissent une démonstration concrète que les lois physiques régissant le mouvement des ions d'argent dans un film mince peuvent être exploitées pour accomplir des tâches que l'on pensait autrefois nécessiter des systèmes biologiques complexes et multicouches. Alors que le domaine de l'informatique neuromorphique progresse, cette étude offre un exemple clair de la manière dont des matériaux simples, lorsqu'ils sont guidés par les bons protocoles électriques, peuvent commencer à présenter les riches comportements adaptatifs de la nature.