Conception et fabrication de circuits neuromorphiques basés sur des dispositifs ioniques

Les réseaux de neurones (NN) sont inspirés des processus de calcul et de communication du cerveau afin de résoudre efficacement des tâches telles que l'analyse de données, le traitement adaptatif de signaux en temps réel, et la modélisation de systèmes biologiques. Cependant, les limitations matérielles constituent actuellement le principal obstacle à une adoption à grande échelle. Pour y remédier, un nouveau type d'architecture de circuit appelé "circuit neuromorphique" est en train d’émerger. Ces circuits imitent le comportement des neurones en intégrant un haut degré de parallélisme, une connectivité adaptable et un calcul en mémoire. Les transistors à base d'ions ont été récemment étudiés pour leur potentiel à fonctionner comme neurones et synapses artificiels. Bien que ces dispositifs émergents présentent d’excellentes propriétés en raison de leur très faible consommation d'énergie et de leurs capacités de commutation analogique, ils nécessitent encore une validation à l’échelle de systèmes plus larges. Dans l'un des laboratoires du CEA-Leti, nous développons de nouveaux transistors à base de lithium en tant que brique de base pour déployer des réseaux de neurones artificiels à faible consommation d'énergie. Ces dispositifs doivent désormais être intégrés dans un système réel pour évaluer leur performance et leur potentiel. En particulier, des circuits bio-inspirés et des architectures en barre croisée pour le calcul accéléré seront ciblés. Au cours de cette thèse, votre objectif principal sera de concevoir, implémenter et tester des réseaux de neurones basés sur des matrices de transistors à base de lithium (~20x20) et des circuits neuromorphiques, ainsi que la logique CMOS de lecture et d’écriture pour les contrôler. Les réseaux pourront être implémentés en utilisant différents algorithmes et architectures, y compris les réseaux de neurones artificiels, les réseaux de neurones impulsionnels et les réseaux de neurones récurrents, qui seront testés pour résoudre des problèmes de reconnaissance de motifs spatiaux et/ou temporels et pour reproduire des fonctions biologiques telles que le conditionnement pavlovien.