Le cerveau est souvent considéré comme un ordinateur chimique à matière molle, mais la façon dont il traite l’information est très différente de celle des circuits conventionnels en silicium. Trois groupes décrivent maintenant des systèmes chimiques capables de stocker des informations d’une manière qui ressemble à la façon dont les neurones communiquent entre eux au niveau des jonctions synaptiques. Ces dispositifs «neuromorphes» pourraient fournir des calculs à très faible puissance et servir d’interfaces entre l’électronique conventionnelle et les systèmes chimiques «humides», y compris potentiellement les neurones et d’autres cellules vivantes elles-mêmes.

Au niveau d’une synapse, l’impulsion électrique ou le potentiel d’action qui se déplace le long d’un neurone déclenche la libération de molécules de neurotransmetteurs qui relient la jonction au neurone suivant, modifiant l’état du deuxième neurone en le rendant plus ou moins susceptible de déclencher son propre potentiel d’action. . Si un neurone en influence un autre à plusieurs reprises, la connexion entre eux peut se renforcer. C’est ainsi que l’on pense que l’information s’imprime en tant que mémoire, un processus appelé apprentissage hebbien. La capacité des synapses à ajuster leur connectivité en réponse aux signaux d’entrée est appelée plasticité, et dans les réseaux de neurones, cela se produit généralement sur deux échelles de temps. La plasticité à court terme (STP) crée des modèles de connectivité qui s’estompent assez rapidement et sont utilisés pour filtrer et traiter les signaux sensoriels, tandis que la plasticité à long terme (LTP, également appelée potentialisation à long terme) imprime des souvenirs plus durables. Ces deux processus biologiques sont encore imparfaitement compris.

Des circuits neuromorphiques qui affichent un tel comportement d’apprentissage ont été développés précédemment à l’aide de dispositifs électroniques à semi-conducteurs appelés memristors, des dispositifs à deux bornes dans lesquels la relation entre le courant qui traverse et la tension appliquée dépend de la charge qui a traversé précédemment. Les memristors peuvent conserver cette mémoire même lorsqu’aucune alimentation n’est appliquée – ils sont  » non volatils  » – ce qui signifie que les circuits neuromorphiques peuvent potentiellement traiter des informations avec une très faible consommation d’énergie, une caractéristique essentielle au fonctionnement de notre cerveau sans surchauffe. En règle générale, le comportement du memristor se manifeste par une relation courant-tension sur une boucle, et la réponse varie selon que la tension augmente ou diminue : une propriété appelée hystérésis, qui elle-même représente une sorte de mémoire car le comportement de l’appareil dépend de son histoire .

Pensée fluide

Lydéric Bocquet of the Ecole Normale Supérieure in Paris and co-workers,¹ et indépendamment Ping Yu de l’Institut de chimie de l’Académie chinoise des sciences à Pékin et ses collègues,² ont maintenant fabriqué des memristors qui fonctionnent à l’aide de solutions aqueuses d’ions. Ils ne sont pas les premiers à le faire,^3,4 mais les nouveaux appareils fonctionnent avec de basses tensions et présentent des effets de mémoire polyvalents qui imitent véritablement la plasticité et les fonctions d’apprentissage des neurones.

Dans les dispositifs de Bocquet et ses collègues, la solution s’écoule à travers des nanocanaux en forme de fentes constitués de flocons atomiquement lisses de bisulfure de molybdène ou de charbon actif de quelques nanomètres de large seulement, aux parois desquelles une tension peut être appliquée. Les flocons reposent sur une membrane de nitrure de silicium percée d’un pore microscopique, à travers lequel passe une solution saline. Le courant ionique à travers la fente dépend de la tension appliquée de manière hautement non linéaire avec une boucle d’hystérésis, offrant ainsi un comportement de memristor – une possibilité que Bocquet et ses collègues avaient montrée précédemment en principe, mais sans fabriquer de dispositifs fonctionnels.⁵

Les chercheurs attribuent ce comportement soit à des interactions entre ions dans l’espace confiné, soit à une asymétrie dans le passage des ions dans chaque direction, selon le type de dispositif utilisé. Si une impulsion de tension « d’écriture » d’une durée de seulement 10 secondes est appliquée au dispositif à charbon actif, sa conductance ionique augmente initialement avant de décroître rapidement en moins de deux minutes. Il ne revient pas à son niveau d’origine mais atteint un plateau supérieur où il peut rester plusieurs heures. Il y a donc une plasticité à la fois à court terme et à long terme dans le dispositif en réponse à une sorte de potentiel d’action artificiel. Bocquet et ses collègues ont utilisé ce comportement pour démontrer l’apprentissage Hebbian, où la conductance ne changeait que si deux ensembles d’impulsions arrivant aux deux bornes de l’appareil étaient corrélés dans la bonne séquence, imitant l’apprentissage qui se produit si deux neurones à une synapse se connectent ensemble. quand ils tirent ensemble ».

Dans les dispositifs nanofluidiques de Yu et ses collègues, la solution ionique passait à travers l’embouchure circulaire d’une nanopipette, aux parois de laquelle étaient attachées des chaînes du polymère polyimidazole. Ces chaînes chargées positivement peuvent lier les ions négatifs en solution, et la dynamique d’adsorption crée à nouveau une réponse hystérétique qui peut être utilisée pour stocker des souvenirs à court terme. «La plasticité à court terme provient de la distribution ionique dépendante de l’historique dans notre appareil», explique Yu. Étant donné que l’adsorption dépend ici des interactions chimiques des ions et des polymères attachés, les caractéristiques de la mémoire peuvent être modifiées en ajustant la chimie du système. Dans un exemple, les chercheurs ont montré que l’effet mémoire persiste dans une solution ionique comparable aux fluides physiologiques, mais est modifié en ajoutant l’adénosine triphosphate (ATP), la « biomolécule énergétique ». Cela illustre une capacité à s’interfacer et à « parler » aux systèmes biologiques. Ils ont également montré comment un signal chimique – une modification de la concentration d’un anion – pouvait être converti en une réponse électrique, imitant l’activation d’un neurone par des neurotransmetteurs au niveau d’une synapse.

Capacité de stockage

Une telle biocompatibilité est peut-être encore plus évidente dans les effets de mémoire neuromorphique décrits par Patrick Collier du Oak Ridge National Laboratory dans le Tennessee et ses collègues.⁷ S’appuyant sur leurs travaux antérieurs,^3,6 les chercheurs ont maintenant montré à court terme⁶ et à long terme⁷ plasticité dans des systèmes de deux gouttelettes d’une solution aqueuse de sel, de quelques centaines de micromètres de diamètre, enrobées d’une couche de tensioactifs lipidiques et en suspension dans un solvant organique. Lorsqu’elles sont mises en contact, les gouttelettes se collent pour former une bicouche lipidique à l’interface, comme celle des membranes cellulaires. Ils ont découvert que la capacité à travers la membrane présente également une hystérésis et une plasticité, en raison des réarrangements des molécules lipidiques et des ions dans la bicouche. Ces circuits n’agissent donc pas tant comme des memristors, mais comme des memcapacités : la charge qu’ils stockent et libèrent est dépendante du passé d’une manière qui imite la plasticité à court terme. Étant donné que le poids sec du tissu cérébral est d’environ 50% de membrane lipidique, les chercheurs pensent qu’il n’est pas inconcevable que de tels effets de mémoire puissent même jouer un rôle dans les réseaux de neurones biologiques.

«La plasticité à court et à long terme est importante pour donner aux réseaux de neurones différents niveaux de calcul et de mémoire», explique Timothée Lévi, spécialiste du calcul neuromorphique à l’université de Bordeaux. Il dit que, bien que les systèmes chimiques comme ceux-ci fonctionnent plus lentement que les dispositifs à semi-conducteurs, tels que le silicium, ils peuvent potentiellement fonctionner à des niveaux de puissance inférieurs. «Les dispositifs fluidiques peuvent être très efficaces et évolutifs, et pourraient être l’avenir des systèmes neuromorphiques», déclare-t-il.