Du laboratoire de recherche à la start-up : comment une puce neuromorphique pourrait profiter à l'industrie
Cette technologie en temps réel et économe en ressources pourrait être utilisée pour des applications telles que les installations industrielles
Des puces neuromorphiques qui traitent les informations comme le cerveau humain : tel est l'objectif de la physicienne Heidemarie Krüger et de sa startup "Techifab", basée à Dresde. La chercheuse de l'Institut Leibniz de technologie photonique et de l'Université Friedrich Schiller d'Iéna développe une technologie qui traite et stocke les données directement au point d'origine, éliminant ainsi les transferts de données entre le processeur et la mémoire, qui consomment beaucoup d'énergie. Avec son équipe, Mme Krüger travaille sur des composants à base de memristors qui établiront de nouvelles normes en matière d'efficacité énergétique et de puissance de calcul. Cette technologie en temps réel et économe en ressources pourrait être utilisée dans des applications telles que les véhicules autonomes et les installations industrielles. "Notre objectif est d'utiliser le cerveau comme modèle pour créer une technologie capable de prendre des décisions complexes et logiques avec une consommation d'énergie minimale", explique Heidemarie Krüger.
Le cœur de l'innovation : Des memristors dotés de capacités de mémoire et d'apprentissage
La puce neuromorphique est basée sur des memristors, des composants qui fonctionnent comme les synapses du cerveau. Ils peuvent non seulement stocker des informations, mais aussi les traiter simultanément. Alors que les ordinateurs classiques échangent continuellement des données entre la mémoire et le processeur, cette technologie fonctionne localement. Cela réduit considérablement la dissipation d'énergie et permet une analyse rapide et décentralisée des données.
Une différence essentielle réside dans la capacité des memristors à traiter des états intermédiaires continus - pas seulement "0" et "1", mais aussi des valeurs intermédiaires", explique M. Krüger. Ce traitement flexible des données ouvre de nouvelles possibilités pour les algorithmes qui simulent les réseaux neuronaux. Les applications potentielles vont de la maintenance prédictive des machines à l'analyse en temps réel dans des domaines critiques pour la sécurité tels que la conduite autonome.
De la découverte en laboratoire à l'application industrielle
Le voyage vers cette innovation a commencé par une découverte fortuite en laboratoire en 2011. Au cours d'une analyse de matériaux, l'équipe de M. Krüger a observé une courbe "en boucle" caractéristique - un comportement typique d'un memristor à résistance hystérétique. Cette propriété permet au dispositif de "se souvenir" des calculs passés et d'effectuer directement des calculs complexes. Cette découverte a conduit à l'idée de développer des synapses artificielles en utilisant une combinaison de bismuth et d'oxyde de fer. Pour transformer ces synapses artificielles en une puce fonctionnelle, la startup a reçu des millions d'euros de financement de l'Agence fédérale allemande pour l'innovation de rupture.
"Nous avons montré que ces synapses artificielles peuvent traiter efficacement des tâches de calcul complexes telles que la multiplication de matrices", explique M. Krüger. Ces calculs constituent la base de l'apprentissage de nombreuses applications d'IA et d'algorithmes de traitement d'images. En janvier 2025, le magazine d'information "Der Spiegel" a expliqué comment la technologie de M. Krüger pourrait établir de nouvelles normes en matière d'informatique économe en énergie.
Une technologie qui a du potentiel pour l'informatique de pointe
L'architecture des memristors permet de traiter les données directement à la source - un élément clé pour ce que l'on appelle l'informatique périphérique, où les données n'ont pas besoin d'être transférées vers des systèmes centraux en nuage. "Cela signifie une sécurité et une indépendance accrues, puisque les données sensibles restent locales", souligne M. Krüger. Cela pourrait être un avantage significatif dans les systèmes de capteurs industriels, par exemple pour détecter les premiers signes d'usure et prévenir les défaillances du système.
Dans le cadre de projets pilotes initiaux, l'équipe de M. Krüger teste déjà la technologie dans des conditions réelles en collaboration avec l'université technique de Freiberg. Les essais ont montré que la puce neuromorphique peut détecter de manière fiable les moindres changements et prédire avec précision les schémas d'usure.
Une voie durable vers des systèmes d'IA économes en énergie
Alors que les processeurs classiques nécessitent de plus en plus de transistors pour traiter le flot croissant de données, les conceptions traditionnelles de puces atteignent des limites physiques et énergétiques. Les approches neuromorphiques combinent la mémoire et les unités de traitement, réduisant la consommation d'énergie et élargissant considérablement le potentiel des systèmes d'IA.
"Notre objectif n'est pas seulement d'analyser des ensembles de données, mais aussi d'apprendre, de reconnaître des modèles et de réagir avec souplesse à de nouvelles situations sans être constamment connecté à des centres de données externes", explique M. Krüger. Cette technologie pourrait contribuer à rendre les centres de données plus efficaces sur le plan énergétique et permettre de développer des applications d'IA avec beaucoup moins de ressources.
Le prototype actuel de M. Krüger comporte 32 memristors. Au cours de la prochaine phase de développement, ce nombre devrait passer à plus de 200 pour modéliser des réseaux neuronaux complexes et permettre de nouvelles applications dans les systèmes autonomes.
Note: Cet article a été traduit à l'aide d'un système informatique sans intervention humaine. LUMITOS propose ces traductions automatiques pour présenter un plus large éventail d'actualités. Comme cet article a été traduit avec traduction automatique, il est possible qu'il contienne des erreurs de vocabulaire, de syntaxe ou de grammaire. L'article original dans Anglais peut être trouvé ici.
Publication originale
Yao Shuai, Shengqiang Zhou, Danilo Bürger, Manfred Helm, Heidemarie Schmidt; "Nonvolatile bipolar resistive switching in Au/BiFeO3/Pt"; Journal of Applied Physics, Volume 109, 2011-6-29
Heidemarie Schmidt; "Prospects for memristors with hysteretic memristance as so-far missing core hardware element for transfer-less data computing and storage"; Journal of Applied Physics, Volume 135, 2024-5-29
Autres actualités du département economie & finances
Actualités les plus lues
Plus actualités de nos autres portails
Il se trame quelque chose dans l'industrie chimique…
Voilà à quoi ressemble le véritable esprit pionnier : De nombreuses start-ups innovantes apportent des idées fraîches, de la passion et un esprit d'entreprise pour changer positivement le monde de demain. Plongez dans l'univers de ces jeunes entreprises et profitez de la possibilité d'entrer en contact avec leurs fondateurs.