Dans le domaine de l’informatique, une innovation majeure se profile : des chercheurs ont développé une nouvelle plateforme informatique directement inspirée du cerveau humain. Cette avancée promet de révolutionner la manière dont les ordinateurs traitent les informations, s’approchant ainsi plus que jamais du fonctionnement complexe et efficace de notre propre système nerveux.
L’efficacité énergétique : un défi de taille
Les ordinateurs modernes ont accompli des progrès remarquables en termes de capacité de traitement et de stockage, rivalisant même avec le cerveau humain pour certaines tâches. Cependant, ils restent loin derrière en matière d’efficacité énergétique. Selon le professeur Kaustav Banerjee de l’Université de Californie à Santa Barbara, les ordinateurs les plus performants requièrent environ 10 000 fois plus d’énergie que le cerveau humain pour des tâches spécifiques comme le traitement d’images et la reconnaissance, bien qu’ils excellent dans les calculs mathématiques.
Cette inefficacité énergétique est préoccupante, surtout dans le contexte du réchauffement climatique, car la consommation mondiale d’énergie par les électroniques intégrées sur puce est en constante augmentation, alimentée par des applications comme l’intelligence artificielle.
Neuromorphic Computing : une solution prometteuse
Le calcul neuromorphique a émergé comme un moyen prometteur de combler le fossé de l’efficacité énergétique. En imitant la structure et les opérations du cerveau humain, où le traitement se fait en parallèle à travers une multitude de neurones peu énergivores, il est possible d’approcher l’efficacité énergétique du cerveau.
Dans une publication du journal Nature Communications, Banerjee et ses collaborateurs de Intel Labs proposent une plateforme ultra-efficiente en énergie utilisant des transistors à effet tunnel basés sur des dichalcogénures de métaux de transition (TMD) en 2D.
Avancées technologiques et le rôle des TFETs
Les transistors à effet tunnel (TFETs) en 2D proposés par l’équipe de Banerjee sont particulièrement efficaces à basses tensions et peuvent imiter les opérations énergétiques efficaces du cerveau humain. Ces TFETs présentent également des courants d’état off plus faibles et un subthreshold swing (SS) réduit, permettant une commutation plus rapide et plus efficace.
En intégrant ces TFETs dans un circuit neuromorphique, qui émule le déclenchement et la réinitialisation des neurones, ils se sont avérés plus écoénergétiques que les MOSFETs (transistors à effet de champ en métal-oxyde-silicium) de pointe, en particulier les FinFETs.
Éviter les courants de fuite
Un problème persistant dans les systèmes électriques est celui des courants de fuite, de petites quantités d’électricité qui circulent dans un circuit même lorsqu’il est à l’état off. Les puces neuromorphiques actuelles utilisent des MOSFETs traditionnels, qui ont un courant d’état on élevé, mais aussi un courant de fuite élevé.
Selon Banerjee, l’utilisation des TFETs, avec un courant d’état off bien plus faible, permettrait d’améliorer grandement l’efficacité énergétique.
Perspectives d’avenir
Les TFETs en sont encore au stade expérimental, mais les résultats prometteurs obtenus jusqu’à présent en font des candidats sérieux pour la future génération de calculs inspirés du cerveau. Une fois réalisés, ces circuits neuromorphiques basés sur des TFETs en 2D pourraient réduire la consommation d’énergie des puces à un niveau proche de celui du cerveau humain.
Selon les co-auteurs Vivek De et Mike Davies de Intel, cette avancée représente un progrès significatif par rapport aux capacités actuelles. À terme, il serait possible de réaliser des versions tridimensionnelles de ces circuits neuromorphiques pour se rapprocher encore plus du modèle cérébral.
- Efficacité énergétique :
• Réduction de la consommation
• Moindres courants de fuite - Technologie TFET :
• Transistors à faible tension
• Commutation rapide
