Dans la quête incessante de l’humanité pour des avancées technologiques toujours plus révolutionnaires, des chercheurs ont récemment franchi une étape cruciale en développant une nouvelle génération de transistors en 2D, s’inspirant du fonctionnement du cerveau d’un criquet pour éviter les collisions. Cette avancée promet de réduire de manière significative les coûts énergétiques associés aux technologies d’intelligence artificielle de demain.
Les chercheurs, issus de l’Institut Indien de Technologie de Bombay et du King’s College de Londres, ont conjugué leurs efforts pour mettre au point ce transistor ultra-basse consommation, destiné à imiter les neurones de détection de collision d’un criquet dans leurs robots autonomes. Dans un monde où les véhicules et robots autonomes prennent une place de plus en plus prépondérante, cette avancée revêt une importance capitale.
La conduite autonome et le mouvement ont depuis longtemps été un Graal pour les développeurs et chercheurs en apprentissage automatique et en intelligence artificielle, et l’évitement de collision est la clé pour rendre cette technologie réalisable dans le monde réel. Dans cette optique, les étudiants de l’IITB et du King’s College se sont fixés pour objectif de créer une solution de collision à très faible consommation d’énergie.
En étudiant l’évitement de collision, les scientifiques ont découvert un neurone détecteur de collision chez les criquets. Appelé LGMD (détecteur de mouvement géant de lobule), ce neurone s’active lorsque de gros objets s’approchent du criquet, aidant ainsi l’insecte à éviter le danger. Ce neurone a pu être reproduit par les scientifiques avec des transistors en deux dimensions incroyablement fins, produisant également des pics analogues à ceux du neurone du criquet et pour un coût énergétique similaire : moins de 100 picojoules (pour contexte, faire fonctionner une ampoule à incandescence de 100 W pendant une seconde coûte 100 joules d’énergie). Le transistor mince et bon marché était également entièrement fonctionnel, capable d’être reprogrammé pour rechercher différents types de mouvements et d’éviter avec succès les obstacles avec un haut degré de précision.
Un transistor en 2D est un rêve impossible pour les fabricants de puces à grande échelle, car lorsque les transistors deviennent plus petits, ils deviennent également plus économes en énergie. Bien sûr, le transistor utilisé dans l’étude de l’IITB est très simple, s’activant lorsque des mouvements sont détectés dans une plage et rien de plus. Mais les auteurs ont une vision de là où cette technologie bidimensionnelle peut aller après cette étude.
Ces transistors super efficaces pourraient grandement aider à réduire le coût énergétique des technologies d’IA souvent inefficaces que nous avons disponibles aujourd’hui. Le professeur Bipin Rajendran, du King’s College de Londres et co-auteur de l’étude, écrit : “Nous avons démontré que ce circuit de neurones à picotements peut être utilisé pour la détection d’obstacles. Cependant, le circuit peut être utilisé dans d’autres applications neuromorphiques (systèmes imitant le cerveau humain) basées sur la technologie analogique ou mixte qui nécessitent un neurone à picotements à faible consommation d’énergie.”
