Une synapse photonique fait progresser les systèmes neuromorphiques à faible consommation

Les systèmes d’intelligence artificielle modernes reposent sur le déplacement de grandes quantités de données entre la mémoire et les processeurs, une conception qui limite la vitesse et augmente la consommation d’énergie. Le cerveau humain fonctionne différemment : il combine mémoire et calcul au sein des synapses, permettant un apprentissage et une perception rapides et efficaces. Reproduire cette approche dans du matériel est un objectif central du calcul neuromorphique, en particulier pour des tâches comme la vision, où la plupart des informations du monde réel sont collectées et traitées. 

Dans ce contexte, des chercheurs ont développé un nouveau type de synapse artificielle qui fonctionne entièrement avec la lumière. Contrairement à la plupart des dispositifs existants, qui dépendent encore de signaux électriques à un certain stade, ce système utilise des signaux optiques à la fois pour recevoir des informations et pour mettre à jour son état interne. La suppression des étapes de conversion électrique pourrait réduire la consommation d’énergie, diminuer le bruit et permettre un traitement plus rapide, en particulier dans les systèmes de vision qui reposent déjà sur la lumière.

Comme rapporté dans Advanced Photonics, le dispositif est construit à partir d’un cristal dopé aux terres rares qui émet une luminescence persistante après avoir été illuminé. Ce matériau peut stocker des informations optiques sous forme de porteurs de charge piégés. Lorsque la lumière excite le cristal, certains de ces porteurs émettent de la lumière immédiatement, tandis que d’autres restent piégés et sont libérés plus tard. L’équilibre entre ces voies dépend de l’historique de l’illumination, permettant au matériau d’imiter la façon dont les synapses biologiques modifient leur force en fonction de l’activité passée.

Pour expliquer et prédire ce comportement, les chercheurs ont développé un modèle qui suit la façon dont les porteurs excités sont générés, piégés et libérés au fil du temps. Le modèle montre comment une exposition préalable à la lumière modifie la disponibilité des sites de piégeage, façonnant la réponse du dispositif aux signaux ultérieurs. Ce comportement dépendant de l’historique est central pour la plasticité synaptique à court terme dans le cerveau et est reproduit ici sans aucun contrôle électrique.

Les expériences ont confirmé deux fonctions synaptiques clés. Sous lumière ultraviolette, le dispositif présente une facilitation par paires d’impulsions : une seconde impulsion lumineuse produit une sortie plus forte si elle suit de près la première. Cela se produit parce que l’excitation antérieure remplit partiellement les états de piégeage, augmentant la fraction de porteurs qui émettent de la lumière immédiatement. Sous lumière proche infrarouge, l’effet inverse apparaît. La première impulsion vide les porteurs piégés, donc une seconde impulsion produit une réponse plus faible, appelée dépression par paires d’impulsions. Ensemble, ces effets permettent au dispositif à la fois d’amplifier et de supprimer les signaux, une condition nécessaire pour un comportement neuronal réaliste.  

Les mesures expérimentales correspondaient aux prédictions du modèle. Les chercheurs ont également montré que la réponse du dispositif peut être ajustée en modifiant l’intensité lumineuse, la durée des impulsions et le timing. Des tests supplémentaires ont confirmé que le comportement observé provient des états de piégeage du matériau plutôt que d’une simple émission persistante, renforçant ainsi la base physique de l’approche.

Pour explorer une utilisation pratique, l’équipe a combiné le matériau avec un capteur d’imagerie standard en silicium pour créer un prototype de caméra neuromorphique. Dans ce système, la couche photosensible traite les images au fur et à mesure qu’elles sont capturées. Les signaux optiques forts persistent plus longtemps que les faibles, tandis que le bruit s’estompe plus rapidement. En conséquence, le dispositif peut améliorer le contraste et réduire le bruit directement au niveau du capteur, sans étapes de traitement séparées.

Ce traitement intra-capteur a amélioré les performances dans les tâches de reconnaissance d’image. Lorsque les chercheurs ont modélisé un réseau de neurones en utilisant le comportement mesuré de la synapse optique, il a atteint une précision de 95,99 % sur la classification de chiffres manuscrits après débruitage. Sans cette suppression de bruit intégrée, la précision est tombée à environ 78 %. Le résultat montre que l’intégration de la détection et du traitement peut améliorer les résultats par rapport aux flux de travail conventionnels qui les traitent séparément.

Le dispositif actuel fonctionne sur des échelles de temps allant de la milliseconde à la seconde, plus lent que les composants électroniques mais similaire au timing du traitement visuel biologique. Les auteurs suggèrent que la vitesse et la consommation d’énergie pourraient être améliorées en réduisant l’échelle du dispositif et en modifiant les propriétés du matériau.

L’étude démontre une voie vers des éléments de calcul entièrement optiques qui combinent détection, mémoire et traitement sur une seule plateforme. Ces systèmes pourraient être utiles dans des applications nécessitant un traitement efficace des informations visuelles, notamment l’imagerie, la robotique et les dispositifs de périphérie où la puissance et la vitesse sont limitées.

Article : Fully photon-modulated synaptic devices with bidirectional plasticity for neuromorphic vision and recognition – Journal : Advanced Photonics – DOI : Lien vers l’étude

Source : SPIE