Implantations matérielles de réseaux de neurones à base de nanotechnologies pour le calcul événementiel

Hardware implementation of event-based neural networks based on nanotechnologies

• Auteur / Autrice : Pierre Lewden
• Direction : Sylvain Saïghi
• Type : Thèse de doctorat
• Discipline(s) : Electronique
• Date : Soutenance le 04/07/2023
• Etablissement(s) : Bordeaux
• Ecole(s) doctorale(s) : École doctorale des sciences physiques et de l’ingénieur (Talence, Gironde ; 1995-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire de l'intégration du matériau au système (Talence, Gironde)
• Jury : Président / Présidente : Jean-Baptiste Begueret
• Jury : Examinateurs / Examinatrices : Elena Ioana Vatajelu
• Jury : Rapporteurs / Rapporteuses : Damien Querlioz, Jean-Michel Portal
• DOI : 10.70675/914f879ezd690z46b9z93ccz081769902b97

Mots clés

Mots clés contrôlés

Réseaux neuronaux (informatique)

Memristors

Simulation par ordinateur

Mots clés libres

Réseau de neurones matériels

Memristor

Calcul événementiel

Hardware neural networks

Memristor

Event-Based computation

Résumé

Cette thèse a eu lieu au sein de l'axe thématique « IA matérielle » du groupe Bioélectronique du laboratoire IMS, dans le cadre du projet de recherche européen ULPEC. Ce projet a eu pour ambition de créer un capteur neuromorphique intégré, intelligent et à basse consommation utilisant un réseau de neurones impulsionnels matériel en combinant des technologies innovantes telles qu'une rétine artificielle (caméra événementielle), des neurones en silicium et des memristors ferroélectriques comme synapse dans une même puce. Dans le cadre de ce projet, le travail réalisé durant cette thèse a consisté en l'étude d'architectures de réseaux de neurones impulsionnels reposant sur des synapses memristives et des neurones en silicium. Les architectures étudiées par la simulation prennent en compte les contraintes physiques et électriques propres à une réalisation matérielle des neurones événementiels. En complément de ce travail exploratoire de simulations informatiques, le développement d'une plateforme dédiée pour la mise en œuvre de matrices de nanocomposants memristifs réalisées par des partenaires extérieurs a été accompli. Ces matrices de 81x10 nanocomposants memristifs ont pour vocation d'être utilisées soit pour réaliser des réseaux de neurones événementiels all-to-all, soit pour la caractérisation expérimentale de ces 810 composants afin d'affiner les simulations réalisées. Si les simulations ont permis de définir l'architecture du démonstrateur du projet européen ULPEC ainsi que de nouvelles règles d'apprentissage, la plateforme 81x10 a été développée et vérifiée expérimentalement et la démonstration d'apprentissage sur des matrices de composants memristifs est en phase de développement.

This thesis took place within the thematic cluster ''hardware AI'' of the Bioelectronics Group of the IMS Laboratory during the ULPEC European Research Project. The aim of this project was to create an integrated, intelligent, low-powered neuromorphic sensor using a hardware event-based network by combining innovative technologies such as an artificial retina (event-based camera), silicon neurons and ferroelectric memristors as synapses into one chip. The work carried out in this project involved the study of architectures of event-based neural networks using memristive synapses and silicon neurons. The architectures studied by simulation means take into account the physical and electrical constraints of a hardware implantation of event-based neurons. In addition to this exploratory work with computer simulations, the development of a dedicated platform for the use of a crossbar array of memristive nanodevices made by external partners has been achieved. Those 81x10 crossbar arrays of memristive nanodevices is intended to be used either for an event-based all-to-all neural network or for experimentally characterizing those 810 devices to refine the simulations performed. While the simulations have provided a basis for defining the architecture of the European ULPEC project as well as new learning rules, the 81x10 platform has been developed and experimentally verified, but has not yet produced a learning demonstration using a memristive nanodevice crossbar array as it is still under development.