Conception de réseaux de neurones ferroélectriques

Design of ferroelectric neural networks

• Auteur / Autrice : Filip Osana
• Direction : Damien Querlioz, Julie Grollier
• Type : Projet de thèse
• Discipline(s) : Electronique, Photonique et Micro-Nanotechnologies
• Date : Inscription en doctorat le 31/01/2024
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Electrical, optical, bio : physics and engineering (Orsay, Essonne ; 2015-....)
• Partenaire(s) de recherche : Laboratoire : Centre de Nanosciences et de Nanotechnologies
• Partenaire(s) de recherche : Equipe de recherche : Nanoélectronique
• Partenaire(s) de recherche : Référent : Université Paris-Saclay. Faculté des sciences d’Orsay (Essonne ; 2020-....)

Mots clés

Mots clés libres

Réseaux de neurones

Intelligence artificielle

Neuromorphique

Ferroélectricité

Nanotechnologies

Neuromorphic

Ferroelectricity

Artificial intelligence

Neural networks

Nanotechnologies

Résumé

Les dispositifs nanoélectroniques ferroélectriques sont entièrement compatibles avec la technologie CMOS de l'électronique conventionnelle et présentent une dynamique très contrôlée, similaire aux comportements des synapses et des neurones dans le cerveau. Cette étude vise à mettre en œuvre une nouvelle approche d'apprentissage profond, partiellement inspirée du fonctionnement du cerveau, nommée 'Propagation en Équilibre'. Cette méthode est particulièrement adaptée aux technologies ferroélectriques. La Propagation en Équilibre est une approche d'intelligence artificielle inspirée de la physique. La physique de la ferroélectricité peut être intégrée dans les principes fondamentaux de cette approche, offrant le potentiel de conduire à une IA hautement efficace en énergie.

Ferroelectric nanoelectronic devices are fully compatible with conventional electronics CMOS technology and feature very controlled dynamics that resemble behaviors of synapses and neurons in the brain. The study aims to implement a novel deep learning approach, partially inspired by how the brain works, Equilibrium Propagation, which can take advantage of ferroelectric technologies particularly well. Equilibrium Propagation is a physics-inspired artificial intelligence approach. The physics of ferroelectricity can be embedded within the core principles of this approach, with the potential to lead to highly energy-efficient AI.