FR2919410A1

FR2919410A1 - Synapse nano-electrique et procede d'apprentissage d'une telle synapse

Info

Publication number: FR2919410A1
Application number: FR0705532A
Authority: FR
Inventors: Jacques-Olivier Klein; Eric Belhaire
Original assignee: Universite Paris Sud Paris 11
Current assignee: Universite Paris Saclay
Priority date: 2007-07-27
Filing date: 2007-07-27
Publication date: 2009-01-30
Anticipated expiration: 2027-07-27
Also published as: FR2919410B1; US20100198766A1; WO2009016319A3; WO2009016319A2

Abstract

Synapse électrique comprenant un conducteur principal (12) à potentiel détermine V1, un conducteur secondaire (14a), ledit conducteur secondaire étant à un potentiel VX1+, variable entre Vref-Vn et Vref+Vn, Vref étant le potentiel de référence, un nanoconducteur (18) à conductance ajustable W1, le conducteur principal étant lié audit conducteur secondaire (14a) au moyen d'un nanoconducteur (18) à conductance ajustable, une extrémité au moins du conducteur principal étant liée à un neurone électrique (20), où ledit neurone électrique est apte à réaliser une fonction de seuillage et en outre à appliquer un potentiel de commande d'apprentissage Va valant Vref-Vp ou Vref+Vp au conducteur principal (12) lorsque la tension obtenue O1en sortie de ladite fonction de seuillage diffère de la tension attendue T1, les potentiels Vn et Vp vérifient : 2*Vn < Vt et |Vp - Vn| < VT < |VP + VN|.

Description

Synapse nano-électrique et procédé d'apprentissage d'une telle synapse. La

présente invention concerne une synapse électrique, ainsi qu'un ensemble de synapses et un réseau de neurones électriques comprenant une pluralité de telles synapses électriques. L'invention concerne également un procédé d'apprentissage d'une telle synapse électrique ou d'un tel ensemble de synapses et d'un tel réseau de neurones. Actuellement, la plupart des circuits intégrés sont réalisés à base de transistors MOS (Metal Oxide Semiconductor). L'augmentation de la densité d'intégration des circuits numériques est un besoin permanent.

L'introduction progressive des nanotechnologies, notamment d'éléments auto-assemblés, permet de poursuivre l'augmentation de la densité d'intégration des circuits numériques sans en faire exploser le coût de fabrication. De par les propriétés de ces composants, leurs caractéristiques de composant à composant au sein d'un circuit intégré sont beaucoup moins reproductibles qu'avec les technologies MOS. Des architectures alternatives de blocs élémentaires doivent donc être développées.

Ces architectures alternatives doivent être tolérantes aux dispersions de caractéristiques des nanocomposants, tolérer un important taux de défauts, tout en restant insensibles au bruit important qui peut être généré par les nanocomposants et posséder des capacités d'autocompensation de ces dispersions. La construction de blocs suivant des architectures de réseaux de neurones électriques est une voie possible. La capacité d'apprentissage des réseaux de neurones peut être utilisée pour compenser automatiquement la dispersion des composants mais aussi pour permettre la mise en oeuvre de procédés d'apprentissage d'une fonction à réaliser. La caractéristique du bloc et la fonction à réaliser sont alors stockées dans le poids des connexions du réseau de neurones électriques appelés synapses électriques. Un certain nombre de procédés d'apprentissage sont connus, cependant il n'existe pas d'architecture pour les composants du circuit permettant la réalisation simple de ces procédés d'apprentissage, lesquels le plus souvent nécessitent en principe un accès à chacun des composants. L'invention a notamment pour but de proposer une telle architecture. A cet effet, l'invention a pour objet une synapse 15 électrique comprenant au moins : a. un conducteur principal à potentiel déterminé V1, b. un conducteur secondaire, ledit conducteur secondaire étant à un potentiel VX1+, variable entre Vref-Vn et Vref+Vn, Vref étant le potentiel de 20 référence, c. un nanoconducteur à conductance ajustable W1, la conductance W1 restant constante tant que la tension aux bornes dudit nanoconducteur reste inférieure en valeur absolue à une tension seuil Vt, 25 le conducteur principal étant lié audit conducteur secondaire au moyen d'un nanoconducteur à conductance ajustable, une extrémité au moins du conducteur principal étant liée à un neurone électrique, où ledit neurone électrique est apte à réaliser une fonction de seuillage 30 et en outre à appliquer un potentiel de commande d'apprentissage Va valant Vref-Vp ou Vref+Vp au conducteur principal lorsque la tension obtenue O1 en sortie de ladite fonction de seuillage diffère de la tension attendue T1, les potentiels Vn et Vp vérifient : 2*Vn < Vt et IVp-Vnl <Vt<IVp+Vnl Une telle architecture de la synapse selon l'invention permet de modifier la conductance W1 dudit nanoconducteur lorsque son potentiel VX1+, référencé à Vref, est de signe opposé à Vl-Vref, par rapport à Vref, et de ne pas modifier ladite conductance W1 dudit nanoconducteur lorsque son potentiel VX1+, référencé à Vref, est de même signe, par rapport à Vref, que Vl-Vref. Une synapse électrique selon l'invention peut en outre comporter l'une ou plusieurs des caractéristiques optionnelles ci-dessous, considérées individuellement ou selon toutes les combinaisons possibles: • la variation de la conductance W1 du nanoconducteur en fonction de la tension à ces bornes est monotone ; • le nanoconducteurs est un nanotube de carbone multiparois ; • lorsque le nanoconducteur est à conductance décroissante le neurone électrique est conformé de manière à appliquer un potentiel de commande d'apprentissage Vref-Vp ou Vref+Vp de signe opposé, par rapport à Vref, à la tension obtenue 01 en sortie de ladite fonction de seuillage ; • lorsque le nanoconducteurs est à conductance croissante le neurone électrique est conformé de manière à appliquer un potentiel de commande d'apprentissage Vref-Vp ou Vref+Vp de même signe, par rapport à Vref, que la tension obtenue 01 en sortie de ladite fonction de seuillage.

L'invention se rapporte aussi à un ensemble de synapses électriques comprenant au moins : a. une synapse selon l'invention, b. un deuxième conducteur secondaire, ledit deuxième conducteur secondaire étant à un potentiel Vxl_, variable entre Vref-Vn et Vref+Vn, de telle sorte que le potentiel moyen entre Vx1+, et Vxl_, soit égal à Vref, Vref étant le potentiel de référence, c. un deuxième nanoconducteurs à conductance ajustable W2, ladite conductance W2, restant constante tant que la tension aux bornes dudit nanoconducteur reste inférieure en valeur absolue à une tension seuil Vt, le conducteur principal étant lié de manière indépendante à chaque conducteur secondaire au moyen d'un nanoconducteur à conductance ajustable, une extrémité au moins du conducteur principal étant liée à un neurone électrique, où ledit neurone électrique est apte à réaliser une fonction de seuillage et en outre à appliquer un potentiel de commande d'apprentissage Vp au conducteur principal lorsque la tension obtenue 01 en sortie de ladite fonction de seuillage diffère de la tension attendue T1, les potentiels Vn et Vp vérifient : 2*Vn < Vt et Vp-Vn)<Vt<IVp+Vn Une telle architecture de l'ensemble de synapses selon l'invention permet de modifier la conductance W1, W2, de tout nanoconducteur dont le potentiel Vxl+, Vxl-, référencé à Vref, est de signe opposé à Vl-Vref et de ne pas modifier ladite conductance W1r W2, de tout nanoconducteur dont le potentiel Vxl+, Vxl_, référencé à Vref, est de même signe que Vl-Vref, en l'absence d'accès direct à chaque nanoconducteur.

Un ensemble de synapses selon l'invention peut en outre comporter l'une ou plusieurs des caractéristiques optionnelles ci-dessous, considérées individuellement ou selon toutes les combinaisons possibles: • la variation de la conductance W1, W2, de chaque nanoconducteur en fonction de la tension aux bornes de chaque nanoconducteur est monotone ; • les variations des conductances en fonction de la tension de tout sous-ensemble de nanoconducteur ont 10 la même monotonie ; • les nanoconducteurs sont des nanotubes de carbone multi-parois ; • lorsque les nanoconducteurs sont à conductance décroissante le neurone électrique est conformé de 15 manière à appliquer un potentiel de commande d'apprentissage Vref-Vp ou Vref+Vp de signe opposé, par rapport à Vref, à la tension obtenue 01 en sortie de ladite fonction de seuillage ; • lorsque les nanoconducteurs sont à conductance 20 croissante le neurone électrique est conformé de manière à appliquer un potentiel de commande d'apprentissage Vref-Vp ou Vref+Vp de même signe, par rapport à Vref, que la tension obtenue 01 en sortie de ladite fonction de seuillage. 25 L'invention se rapporte aussi à un procédé d'apprentissage d'une synapse ou d'un ensemble de synapses selon l'invention, remarquable en ce que lorsque la tension obtenue 01 en sortie de la fonction de seuillage diffère de la tension attendue T1, le potentiel de commande 30 d'apprentissage Vref-Vp ou Vref+Vp, Vp vérifiant IVp-Vnl <Vt<IVp+ Vnl , est appliqué au conducteur principal. L'invention a également pour objet un réseau de neurones comprenant une pluralité de synapses ou d'ensembles des synapses selon l'invention, où pour chaque synapse ou ensemble de synapses dudit réseau chacun de ses conducteurs secondaires est lié électriquement à au moins un conducteur principal d'une autre synapse ou ensemble de synapse du réseau.

L'invention se rapporte aussi à un procédé d'apprentissage d'un réseau de neurones, remarquable en ce que le procédé d'apprentissage selon l'invention d'une synapse ou d'un ensemble de synapses est appliqué de manière globale à chaque synapse ou ensemble de synapse dudit réseau au moyen d'un potentiel de commande d'apprentissage Vref-Vp ou Vref+Vp unique par conducteur principal. L'invention sera mieux comprise à la lecture de la description qui va suivre, donnée uniquement à titre d'exemple et faite en se référant aux dessins annexés dans lesquels: la figure 1 est une vue schématique de l'architecture d'un ensemble de synapse électrique selon l'invention; la figure 2 est une vue schématique d'un réseau de neurones électriques selon un mode de réalisation; la figure 3 est une vue fonctionnelle d'un neurone électrique selon un premier mode de réalisation; 30 la figure 4 une vue fonctionnelle d'un neurone électrique selon un deuxième mode de réalisation. On a représenté sur la figure 1 une vue schématique 5 d'un ensemble de synapses selon l'invention. Dans ce premier mode de réalisation, l'ensemble de synapses électrique 10 comprend : a. un conducteur principal 12 au potentiel V1, b. deux paires de conducteurs secondaires 14a, 14 10 b ; 16a, 16b, les premiers conducteurs secondaires 14a, 16a, de chaque paire étant aux potentiels V,1_ et Vx2_ variables entre -Vn et +Vn et les deuxièmes conducteurs secondaires 14b, 16b, de chaque paire sont à des potentiels Vxi+ et Vx2+ variables entre -Vn et +Vn, c. quatre nanoconducteurs 18 chacun à conductance ajustable W1, W2, W3, W4, restant constante tant que la tension aux bornes dudit nanoconducteur reste inférieure en valeur absolue à une tension seuil Vt, le conducteur principal 12 est lié de manière indépendante à chaque conducteur secondaire 14a, 14b, 16a, 16b, au moyen d'un nanoconducteur à conductance ajustable, une extrémité du conducteur principal est liée à un neurone 25 électrique 20, ledit neurone électrique est apte à réaliser une fonction de seuillage et en outre à appliquer un potentiel de commande d'apprentissage -Vp ou +Vp au conducteur principal lorsque la tension obtenue O1 en sortie de ladite fonction de seuillage diffère de la 30 tension attendue T1, les potentiels Vn et Vp vérifient : 2*Vn < Vt et IVp-Vnl <Vt<IVp+Vnl . 15 20 Les variations des conductances des quatre nanoconducteurs 18 ont la même monotonie. Les nanoconducteurs peuvent par exemple être des nanotubes de carbone multi-parois dont on fait claquer les parois une à une. La conductance des nanotubes de carbone multi-parois diminue lorsque la tension à leurs bornes dépasse une tension seuil. La figure 2 représente l'architecture d'un réseau de neurones électriques selon un mode de réalisation de 10 l'invention. Selon le mode de réalisation représenté sur la figure 2, le réseau de neurones comprend un réseau régulier de quatre fils verticaux et quatre fils horizontaux. Les fils horizontaux constituent les conducteurs 15 principaux 12 des différentes synapses électriques du réseau, et les fils verticaux constituent les conducteurs secondaires 14a, 14b, 16a, 16b desdites synapses électriques. A chaque intersection se trouve un nanotube de 20 carbone multiparois dont la conductance diminue lorsque la tension à ces bornes dépasse en valeur absolue une tension seuil Vt. La conductance de chaque nanotube reste constante tant que la tension à ses bornes reste inférieure en valeur absolue à la tension seuil Vt. 25 Les conducteurs secondaires 14a, 14b, 16a, 16b constituent les entrées binaires X1-, X1+, X2-, X2+ du réseau. Chaque conducteur secondaire étant à un potentiel d'entrée Vx1-, Vx1+, VX2-, VX2+. En phase d'exploitation, le potentiel du conducteur 30 principal de chaque dendrite V1, V2, V3, V4 correspond a une combinaison linéaire des potentiels d'entrée Vx1-, Vx1+, VX2 VX2+ .

Le potentiel du conducteur principal au niveau de chaque dendrite V1, V2, V3, V4 est donc compris entre les potentiels associés aux niveaux logiques haut +Vn et bas Vn.

La différence de potentiels aux bornes de chaque conductance est alors inférieure en valeur absolue à 2xVn. Le niveau logique Vn est choisi tel qu'une tension 2xVn ne soit pas suffisante pour modifier l'état de conduction des nanotubes, par exemple 2xVn<Vt.

Des neurones électriques 20 sont connectés sur chaque conducteur principal 12 et ils se comportent comme des composants non-linéaires de décision, en particulier comme une fonction de seuillage. Ladite fonction de seuillage de chaque neurone 20 détermine la tension obtenue 01, 02, 03, 04 en sortie dudit neurone en fonction de la combinaison linéaire des entrées pondérée par la valeur des conductances, soit pour : • le neurone 1 : W11xVX1_ + W21xVx1+ W41XVX2+ • le neurone 2 : W12XVX1_ + W22xVx1+ W42XVX2+ • le neurone 3 : W13xVx1 + W23xVx1+ W43xVx2+ et ^ le neurone 4 : W14XVX1 + W24xVX1+ + W34xVX2_ + 25 W44 xVX2+ Chaque neurone est apte à imposer un potentiel de commande d'apprentissage Va valant +Vp ou -Vp au conducteur principal 12 auquel il est connecté lorsque la tension obtenue 01, 02, 03, 04 est différente de la tension 30 attendue T1, T2, T3, T4. Le potentiel de commande d'apprentissage Va valant +Vp ou -Vp est choisi de telle sorte qu'il soit suffisant + + + pour modifier les conductances qui doivent l'être sans modifier celles qui ne doivent pas l'être. Ainsi, chaque conductance d'une synapse donnée sera modifiée si le potentiel de commande d'apprentissage Va et le potentiel du conducteur secondaire auquel ladite conductance est liée sont de signe opposé. Cependant, cette conductance ne le sera pas si le potentiel de commande d'apprentissage Va et le potentiel du conducteur secondaire auquel ladite conductance est liée sont de même signe. De préférence le potentiel de commande d'apprentissage Va valant +Vp ou -Vp vérifie : IVp-VnI<Vt<IVp+VnI. Dans un mode de réalisation préféré de l'invention, le potentiel de commande d'apprentissage Va est choisi 15 comme étant égal à la tension de seuil Vt. Les neurones 20 doivent être adaptés au type de conductance de la synapse à laquelle ils sont liés. La figure 3 est une vue fonctionnelle d'un neurone 20 permettant l'apprentissage de fonctions logiques dans le 20 cas où les conductances des nanoconducteurs de la synapse à laquelle ledit neurone 20 est lié subissent une décroissance lorsque la tension à leurs bornes est supérieure à Vt. Le neurone 20 comprend un dispositif de seuillage 22 25 apte à réaliser une fonction de seuillage. Le dispositif de seuillage 22 reçoit en entrée une tension d'entrée E1 qu'il compare avec une valeur de tension de seuillage S1 prédéterminée. La tension obtenue 01 en sortie du dispositif de seuillage dépend de la 30 comparaison des valeurs des tensions E1 et Si.

La tension obtenue 01 est ensuite envoyée d'une part en entrée d'un inverseur trois états 24 et d'autre part en entrée d'un dispositif de commande 25. L'inverseur trois états 24 est commandé par une 5 tension de commande C1. Dans ce mode de réalisation, lorsque la tension de commande C1 de l'inverseur trois états 24 est non nulle, la sortie de l'inverseur trois états est de signe opposé à la tension de sortie 01. En outre, lorsque la tension de 10 commande C1 de l'inverseur trois états 24 est nulle, l'inverseur trois états se comporte comme un interrupteur ouvert. La tension de commande C1 de l'inverseur trois états 24 est obtenue au moyen du dispositif de commande 25. 15 Le dispositif de commande 25 comprend un dispositif OU exclusif 26 ainsi qu'un dispositif ET 28. Le dispositif OU exclusif 26 compare la tension obtenue O1 et la tension attendue T1. Si la tension obtenue O1 est différente de la tension 20 attendue T1r la tension de sortie Sol du dispositif OU exclusif 26 sera nulle. Au contraire, si les tensions obtenue 01 et attendue T1 sont égales, la tension de sortie Sol sera non nulle. La tension de sortie Sol est multipliée avec une 25 tension d'apprentissage Al au moyen du dispositif ET 28. La tension d'apprentissage Al étant non nulle en phase d'apprentissage et nulle en phase d'exploitation. Le dispositif ET délivre en sortie la tension de commande C1 reçu par l'inverseur commandé 24. 30 Finalement, en phase d'apprentissage, Al non nulle, lorsqu'il y a une différence entre les tensions obtenue 01 et attendue T1, on impose à l'entrée du neurone un potentiel d'amplitude Vp en valeur absolue et de signe opposé à la tension obtenue 01. Ainsi, la moitié des conductances associées à l'ensemble de synapses lié au neurone 20 voient leur conductance diminuée: les conductances dont la tension à leurs bornes est égale à Vn+Vp ou -Vn-Vp. La diminution de ces conductances conduit à une diminution de la corrélation erronée entre les entrées Vx1_, Vx1+, Vx2_, Vx2+ et la tension obtenue 01 qui va tendre à rapprocher la tension obtenue 01 de la tension attendue T1. En phase d'apprentissage, lorsque les tensions attendue T1 et obtenue 01 concordent, aucun potentiel n'est imposé à l'entrée du neurone 20. En phase d'exploitation, Al est nulle, aucun potentiel 15 n'est imposé à l'entrée du neurone 20. Avantageusement, une telle architecture fonctionnelle du réseau de neurones permet de modifier les valeurs des conductances sur l'ensemble des synapses sans avoir à intervenir au niveau de chaque nanoconducteur. 20 La figure 4 est une vue fonctionnelle d'un neurone 20 permettant l'apprentissage de fonctions logiques dans le cas où les conductances des nanoconducteurs de l'ensemble de synapses auquel ledit neurone 20 est lié subissent une croissance lorsque la tension à leurs bornes est 25 supérieure à vt. Le neurone 20 comprend un dispositif de seuillage 22 apte à réaliser une fonction de seuillage. Le dispositif de seuillage 22 reçoit en entrée une tension d'entrée E1 qu'il compare avec une valeur de 30 tension de seuillage Si prédéterminée. La tension 01 obtenue en sortie du dispositif de seuillage dépend de la comparaison des valeurs de tensions E1 et Si.

La tension obtenue 01 est ensuite envoyée d'une part en entrée d'une porte commandée 30 et d'autre part en entrée d'un dispositif de commande 25. Dans ce mode de réalisation, la porte commandée 30 impose sur sa sortie un potentiel de même signe que la tension de sortie 01 lorsque sa tension de commande C1 est non nulle. En outre, lorsque la porte commandée 30 reçoit une tension de commande C1 nulle, elle se comporte comme un interrupteur ouvert.

La tension de commande C1 de la porte commandée 30 est obtenue au moyen du dispositif de commande 25. Le dispositif de commande 25 est identique au dispositif de commande de la figure 2. Finalement, en phase d'apprentissage, lorsqu'il y a une différence entre la tension obtenue 01 et la tension attendue T1, on impose à l'entrée du neurone 20 un potentiel d'amplitude Vp en valeur absolue et de même signe que la sortie obtenue 01. Ainsi, la moitié des conductances associées à l'ensemble de synapses lié au neurone 20 voient leurs conductances augmentées: les conductances dont la tension à leurs bornes est égale à Vn+Vp ou -Vn-Vp. L'augmentation de ces conductances conduit à une augmentation de la corrélation entre les VX1_, VX1+, VXZ_, VX2+ et la tension obtenue 01 qui va tendre à rapprocher la tension obtenue 01 de la tension attendue T1. En phase d'apprentissage, lorsque les tensions attendue T1 et obtenue 01 concordent, aucun potentiel n'est imposé à l'entrée du neurone 20 En phase d'exploitation, aucun potentiel n'est imposé à l'entrée du neurone 20.

On notera que l'invention n'est pas limitée aux modes de réalisations précédemment décrits.

Claims

REVENDICATIONS

1. Synapse électrique comprenant au moins : a. un conducteur principal (12) à potentiel déterminé V1 b. un conducteur secondaire (14a), ledit conducteur secondaire étant à un potentiel Vxi+, variable entre Vref-Vn et Vref+Vn, Vref étant le potentiel de référence, c. un nanoconducteur (18) à conductance ajustable W1, la conductance W1 restant constante tant que la tension aux bornes dudit nanoconducteur (18) reste inférieure en valeur absolue à une tension seuil Vt, le conducteur principal étant lié audit conducteur secondaire (14a) au moyen d'un nanoconducteur (18) à conductance ajustable, une extrémité au moins du conducteur principal étant liée à un neurone électrique (20), caractérisée en ce que ledit neurone électrique est apte à réaliser une fonction de seuillage et en outre à appliquer un potentiel de commande d'apprentissage Va valant Vref-Vp ou Vref+Vp au conducteur principal (12) lorsque la tension obtenue O1 en sortie de ladite fonction de seuillage diffère de la tension attendue T1, les potentiels Vn et Vp vérifient : 2*Vn < Vt et IVp-VnI <Vt<IVp+Vnl , ce qui permet de modifier la conductance Wl dudit nanoconducteur (18) lorsque son potentiel Vxl+ est de signe opposé, référencé à Vref, à Vl-Vref et de ne pas modifier ladite conductance W1 dudit nanoconducteur (18) lorsque son potentiel Vx1+ est de même signe, référencé à Vref, que Vl-Vref.

2. Ensemble de synapses électriques comprenant au moins : a. une synapse selon la revendication 1, b. un deuxième conducteur secondaire (14b), ledit deuxième conducteur secondaire (14b) étant à un potentiel Vxl_, variable entre Vref-Vn et Vref+Vn, de telle sorte que le potentiel moyen entre Vx1+, et VX1_, soit égal à Vref, Vref étant le potentiel de référence, c. un deuxième nanoconducteurs (18) à conductance ajustable W2, ladite conductance W2, restant constante tant que la tension aux bornes dudit nanoconducteur (18) reste inférieure en valeur absolue à une tension seuil Vt, le conducteur principal (12) étant lié de manière indépendante à chaque conducteur secondaire (14a, 14b) au moyen d'un nanoconducteur (18) à conductance ajustable, une extrémité au moins du conducteur principal étant liée à un neurone électrique (20), caractérisé en ce que ledit neurone électrique est apte à réaliser une fonction de seuillage et en outre à appliquer un potentiel de commande d'apprentissage Vp au conducteur principal (12) lorsque la tension obtenue 01 en sortie de ladite fonction de seuillage diffère de la tension attendue T1r les potentiels Vn et Vp vérifient : 2*Vn < Vt et (Vp-Vn <Vt<IVp+Vnl , ce qui permet de modifier la conductance W1, W2, de tout nanoconducteur (18) dont le potentiel Vx1_,Vx1+, est de signe opposé, référencé à Vref, à Vl-Vref et de ne pas modifier ladite conductance W1, W2, de tout nanoconducteur (18) dont le potentiel Vx1_, Vx1+, est de même signe, référencé à Vref, que Vl-Vref.

3. Ensemble de synapses selon la revendication 2, caractérisé en ce que la variation de la conductance W1, W2, de chaque nanoconducteur (18) en fonction de la tension aux bornes de chaque nanoconducteur (18) est monotone.

4. Ensemble de synapses selon la revendication 3, caractérisé en ce que les variations des conductances en fonction de la tension de tout sous-ensemble de nanoconducteur (18) ont la même monotonie.

5. Ensemble de synapses selon l'une quelconques des revendications 2 à 4, caractérisé en ce que les nanoconducteurs (18) sont des nanotubes de carbone multiparois.

6. Ensemble de synapses selon l'une quelconques des revendications 3 à 5, caractérisé en ce que lorsque les nanoconducteurs (18) sont à conductance décroissante le neurone électrique (20) est conformé de manière à appliquer un potentiel de commande d'apprentissage V1 valant Vref-Vp ou Vref+Vp de signe opposé à la tension obtenue 01 en sortie de ladite fonction de seuillage.

7. Ensemble de synapses selon l'une quelconques des revendications 2 à 4, caractérisé en ce que lorsque les nanoconducteurs (18) sont à conductance croissante le neurone électrique (20) est conformé de manière à appliquer un potentiel de commande d'apprentissage Vi valant Vref-Vp ou Vref+Vp de même signe que la tension obtenue 01 en sortie de ladite fonction de seuillage.

8. Réseau de neurones comprenant une pluralité de synapses ou d'ensembles de synapses selon l'une quelconques des revendications précédentes, caractérisé en ce que pour chaque synapse dudit réseau chacun de ses conducteurs secondaires (14a, 14b) est lié électriquement à au moins un conducteur principal (12) différent d'une autre synapse du réseau.

9. Procédé d'apprentissage d'une synapse ou d'un ensemble de synapses selon l'une quelconque des revendications 1 à 7, caractérisé en ce que lorsque la tension obtenue O1 en sortie de la fonction de seuillage diffère de la tension attendue T1, le potentiel Va valant Vref+Vp ou Vref-Vp, vérifiant IVp-Vnl <Vt<IVp+Vnl est appliqué au conducteur principal (12).

10. Procédé d'apprentissage d'un réseau de neurones selon la revendication 8, caractérisé en ce que le procédé selon la revendication 9 est appliqué de manière globale à chaque synapse ou ensemble de synapses dudit réseau au moyen du potentiel Va valant Vref+Vp ou Vref-Vp.25