TIC
- Information et Communication
- Informatique
Des nanoréseaux artificiels dotés d'une capacité d’apprentissage
- Tweeter
-
-
0 avis :
La capacité prodigieuse du cerveau à traiter les informations est largement attribuable au réseau de connexions formé par les neurones et les synapses. Mais bien que nous comprenions une grande partie du fonctionnement de cet organe, certains aspects, notamment les fonctions cognitives supérieures comme l’apprentissage et la mémoire, restent obscurs.
S’auto-assemblant pour former un maillage dynamique et complexe, les réseaux neuromorphiques sont généralement constitués de fils d’argent hautement conducteurs et recouverts d’une matière polymère. « Ils sont comparables à un réseau neuronal synthétique, car les nanofils agissent comme des neurones et les endroits où ils se connectent les uns aux autres sont analogues aux synapses », souligne Zdenka Kuncic, chercheuse à l’Université de Sydney et co-auteure principale de la nouvelle étude.
Afin d’explorer la capacité de mémorisation de tels réseaux, Kuncic et ses collègues ont réalisé un test de mémoire souvent utilisé pour évaluer la nôtre. Connu sous le nom de "tâche n-back", celui-ci implique le visionnage d’une série d’images pour tenter ensuite de se rappeler, après plusieurs diffusions, si l’une d’entre elles réapparaît ultérieurement. Pour les humains, le score moyen est de 7 (impliquant qu’une personne reconnaisse une image apparue jusqu’à sept séquences plus tôt).
L’équipe a notamment constaté que le réseau pouvait mémoriser un point spécifique dans un circuit électrique indiqué jusqu’à sept séquences auparavant. Il s’est également avéré que cet apprentissage pouvait être renforcé en sollicitant constamment les voies synaptiques désirées, jusqu’à ce que l’information soit définitivement "fixée". Considérée comme essentielle à la mémorisation préférentielle chez les humains, une telle sélectivité explique notamment pourquoi nous conservons certains souvenirs et en oublions d’autres.
Démontrant que les réseaux de nanofils peuvent fonctionner de la même manière que le cerveau humain, et développer une forme de mémoire à court et long terme, ces travaux suggèrent qu’ils pourraient être utilisés dans le domaine de la robotique ou être intégrés à des dispositifs de détection. « Nous avons découvert que les fonctions cognitives d’ordre supérieur, que nous associons normalement au cerveau humain, peuvent être imitées par des matériaux non biologiques », résume l’équipe. « Nos travaux actuels ouvrent la voie à la réplication de l’apprentissage et de la mémoire de type cérébral et suggèrent que la nature sous-jacente de l’intelligence de type cérébral peut être physique ».
Article rédigé par Georges Simmonds pour RT Flash
Noter cet article :
Vous serez certainement intéressé par ces articles :
Un nouvel outil de calcul pour identifier les combinaisons de gènes complexes
Les biophysiciens de la Northwestern University ont développé un nouvel outil de calcul pour identifier les combinaisons de gènes sous-jacentes à des maladies complexes comme le diabète, le cancer ...
Les neurones effectuent de meilleurs calculs logiques que prévu
On sait que les réseaux de neurones peuvent résoudre toutes sortes de calculs, mais que peut faire un neurone isolé ? Les modèles en vigueur depuis plus d’une cinquantaine d’années estiment que ses ...
Edito : Apprenons à bien utiliser l'IA (Intelligence Artificielle) pour éviter qu'elle ne nous utilise...
Chers lecteurs, Comme chaque été, notre petite équipe (Monique, Mark et moi-même) se met au vert pendant le mois d'aout.Vous retrouverez votre revue RTFlash, avec notre lettre de rentrée du 5 ...
Recommander cet article :
- Nombre de consultations : 0
- Publié dans : Informatique
- Partager :
jeremieschiller
27/06/2023This is my first time visiting your blog. We were able to use the information like tiny fishing in your site to our advantage. You did a fantastic job!
ErnestineDKane
19/04/2024Google is good for googlers.
najfaw
23/07/2025This is simply the comprehensive representation review of design and implementation of backpropagated multilayer artificial neural networks to make physical self-learning across various physical systems possible. This is perhaps the assignments of nanomachines-will expand the capabilities multilayer artificial neural networks