Une étude, dont les résultats intitulés “Modeling of emergent memory and voltage spiking in ionic transport through angstrom-scale slits” ont été publiés dans la revue Science, a permis de théoriser le développement de neurones artificiels en utilisant, comme les cellules nerveuses, des ions comme vecteurs d’information et en montrant que des dispositifs constitués d’une seule couche d'eau transportant des ions au sein de nanofentes de graphène auraient la même capacité de transmission qu’un neurone.

Relevons tout d'abord que "pour une consommation énergétique équivalente à deux bananes par jour, le cerveau humain est capable de réaliser un grand nombre de tâches complexes", une grande efficacité énergétique qui "dépend notamment de son unité de base, le neurone, qui possède une membrane pourvue de pores nanométriques, appelés canaux ioniques, qui s’ouvrent et se ferment en fonction des stimuli reçus" de sorte que les flux d’ions obtenus "créent un courant électrique responsable de l’émission de potentiels d’action, des signaux permettant aux neurones de communiquer entre eux".

Comme l’intelligence artificielle (IA), pour sa part, "ne peut réaliser toutes ces tâches qu’au prix d’une consommation énergétique des dizaines de milliers de fois supérieure à celle du cerveau humain", l’enjeu de la recherche aujourd’hui est "de concevoir des systèmes électroniques aussi économes en énergie que le cerveau humain, par exemple en utilisant des ions, et non des électrons, comme vecteurs de l’information".

Dans ce contexte, l'étude ici présentée a fait appel à la nanofluidique, qui analyse "les comportements de fluides dans des canaux de dimensions inférieures à 100 nanomètres". Elle montre ainsi "comment construire un prototype de neurone artificiel, constitué de fentes en graphène extrêmement fines dans lesquelles est confinée une couche unique de molécules d’eau".

Concrètement, cette étude prouve "que sous l'effet d'un champ électrique, les ions issus de cette couche d’eau s'assemblent en grappes allongées et développent une propriété connue sous le nom d'effet memristor : ces grappes gardent en mémoire une partie des stimuli reçus dans le passé". En comparaison avec le cerveau, "les fentes en graphène reproduisent les canaux ioniques, les grappes, les flux d’ions".

Au bout du compte, l'étude démontre "à l’aide d’outils théoriques et numériques", comment "assembler ces grappes pour reproduire le mécanisme physique de l’émission des potentiels d’action, et donc la transmission d’information". Désormais l'objectif est "de prouver expérimentalement que de tels systèmes sont capables d’implémenter des algorithmes d’apprentissage simples, qui pourront servir de base aux mémoires électroniques de demain".