De nouvelles recherches créant artificiellement une forme rare de matière connue sous le nom de verre de spin pourraient déclencher un nouveau paradigme dans l’intelligence artificielle en permettant aux algorithmes d’être directement imprimés en tant que matériel physique. Les propriétés inhabituelles du verre de spin permettent une forme d’IA qui peut reconnaître des objets à partir d’images partielles, tout comme le fait le cerveau, et s’avérer prometteuse pour le calcul à faible consommation d’énergie, entre autres capacités intrigantes.
« Notre travail a abouti à la première réalisation expérimentale d’un verre de spin artificiel composé de nanoaimants agencés pour reproduire un réseau de neurones », a déclaré Michael Saccone, chercheur postdoctoral en physique théorique au Laboratoire national de Los Alamos et auteur principal du nouvel article dans Physique naturelle. « Notre article jette les bases dont nous avons besoin pour utiliser ces systèmes physiques de manière pratique. »
Les verres rotatifs sont un moyen de penser mathématiquement à la structure des matériaux. Être libre, pour la première fois, de modifier l’interaction au sein de ces systèmes à l’aide de la lithographie par faisceau d’électrons permet de représenter une variété de problèmes informatiques dans les réseaux de verre de spin, a déclaré Saccone.
À l’intersection des matériaux d’ingénierie et du calcul, les systèmes de verre de spin sont un type de système désordonné de nanoaimants résultant d’interactions aléatoires et de la compétition entre deux types d’ordre magnétique dans le matériau. Ils présentent une « frustration », ce qui signifie qu’ils ne s’installent pas dans une configuration uniformément ordonnée lorsque leur température baisse, et ils possèdent des caractéristiques thermodynamiques et dynamiques distinctes qui peuvent être exploitées pour des applications informatiques.
« Les modèles théoriques décrivant les verres de spin sont largement utilisés dans d’autres systèmes complexes, tels que ceux décrivant la fonction cérébrale, les codes de correction d’erreurs ou la dynamique boursière », a déclaré Saccone. « Ce grand intérêt pour les verres de spin fournit une forte motivation pour générer un verre de spin artificiel. »
L’équipe de recherche a combiné des travaux théoriques et expérimentaux pour fabriquer et observer le verre de spin artificiel en tant que réseau neuronal Hopfield de preuve de principe, qui modélise mathématiquement la mémoire associative pour guider le désordre des systèmes de spin artificiel.
Les réseaux Spin Glass et Hopfield se sont développés en symbiose, l’un se nourrissant de l’autre. La mémoire associative, que ce soit dans un réseau de Hopfield ou d’autres formes de réseaux de neurones, relie deux ou plusieurs modèles de mémoire liés à un objet. Si une seule mémoire est déclenchée, par exemple en recevant une image partielle d’un visage en entrée, le réseau peut alors rappeler le visage complet. Contrairement aux algorithmes plus traditionnels, la mémoire associative ne nécessite pas un scénario parfaitement identique pour identifier un souvenir.
Les mémoires de ces réseaux correspondent aux états fondamentaux d’un système de spin et sont moins perturbées par le bruit que les autres réseaux de neurones.
Les recherches de Saccone et de l’équipe ont confirmé que le matériau était un verre de spin, une preuve qui leur permettra de décrire les propriétés du système et la façon dont il traite l’information. Les algorithmes d’IA développés dans le verre de spin seraient « plus désordonnés » que les algorithmes traditionnels, a déclaré Saccone, mais aussi plus flexibles pour certaines applications d’IA.
Michael Saccone et al, Observation directe d’une transition vitreuse dynamique dans un réseau de Hopfield artificiel nanomagnétique, Physique naturelle (2022). DOI : 10.1038/s41567-022-01538-7