Une mémoire reconfigurable à grille flottante divisée et photosensible pour l’informatique neuromorphique et l’activation non linéaire

Du matériel plus intelligent à la périphérie

Téléphones, appareils photo et petits objets connectés sont désormais attendus pour voir, reconnaître et réagir en temps réel — mais aujourd’hui ils accomplissent généralement ces tâches en transférant en permanence des données brutes entre capteurs, puces mémoire et processeurs séparés. Ce trafic coûte de l’énergie et ralentit le système. Cet article présente un nouveau type de bloc électronique minuscule capable de détecter la lumière, de mémoriser des informations et d’exécuter des étapes clés de l’intelligence artificielle au sein d’un seul dispositif, promettant un matériel intelligent plus rapide et plus efficace pour la technologie de tous les jours.

Comment le cerveau inspire de nouveaux circuits

Nos yeux et notre cerveau traitent la vision très différemment d’un appareil photo numérique. Dans le système visuel humain, la rétine ne se contente pas de capturer des images ; elle filtre, compresse et met en évidence des caractéristiques importantes avant d’envoyer des signaux compacts le long du nerf optique vers le cortex visuel. En revanche, la plupart des machines collectent d’abord des images complètes, les stockent, puis les traitent ailleurs, gaspillent du temps et de l’énergie. Les chercheurs ont cherché à imiter cette stratégie biologique dans le matériel : construire des dispositifs capables à la fois de capter et de traiter l’information localement, et d’appliquer aussi les étapes d’« activation » non linéaires sur lesquelles s’appuient les réseaux neuronaux modernes pour prendre des décisions complexes.

Un dispositif, trois fonctions

L’équipe a développé ce qu’elle appelle un dispositif mémoire à grille flottante divisée multimodale. En termes plus simples, il s’agit d’un empilement de matériaux ultra‑minces qui se comporte comme un transistor très flexible avec deux régions contrôlables indépendamment. En injectant et en piégeant de petites quantités de charge électrique dans ces régions, le dispositif peut être reprogrammé à la demande. Dans une configuration, il fonctionne comme un capteur de lumière auto‑alimenté dont la sensibilité peut être finement ajustée et même rendue positive ou négative. Dans une autre, il sert d’élément mémoire dont la conductance électrique peut être réglée sur l’un de nombreux niveaux stables, idéal pour stocker les forces — ou « poids » — des connexions d’un réseau neuronal.

Intégrer l’« étincelle » neuronale sur la puce

Les réseaux neuronaux ne font pas que additionner et multiplier des nombres ; après chaque couche, ils appliquent un pas d’activation non linéaire, souvent des fonctions connues sous les noms ReLU ou Sigmoïde. Ces étapes sont habituellement gérées par des circuits séparés et gourmands en énergie. Ici, le même dispositif qui capte et stocke l’information peut aussi réaliser ces activations. Quand il est programmé dans un état particulier, il laisse passer le courant seulement au‑delà d’un certain niveau d’entrée, mimant une ReLU. Reprogrammé, sa courbe courant‑tension devient lisse et en S, comme une sigmoïde. Fait crucial, la bascule entre ces modes se fait électriquement et rapidement, sans modifier la structure physique de la puce.

Un petit cerveau matériel pour les tâches visuelles

Pour démontrer les possibilités, les auteurs ont câblé de nombreux dispositifs en petites matrices et les ont utilisés comme un système de vision entièrement matériel. En mode capteur, une matrice de dispositifs a directement converti des motifs lumineux en signaux pondérés, exécutant la première couche d’un réseau neuronal à l’intérieur même du capteur d’image. En mode mémoire, des matrices similaires ont réalisé des calculs de type matriciel typiques des couches plus profondes. Des dispositifs séparés en mode activation ont ensuite appliqué les opérations ReLU et sigmoïde. Avec cette configuration, le système a pu classer des chiffres manuscrits de la base de données MNIST avec une précision proche de celle d’un modèle purement logiciel, et il a aussi pu nettoyer des images bruitées à l’aide d’un autoencodeur, tout en conservant localement les poids appris sous forme non volatile.

Pourquoi cela compte pour la technologie de tous les jours

Pour les non‑spécialistes, l’idée principale est que les chercheurs ont fusionné la détection, la mémoire et l’étape non linéaire de « décision » de l’intelligence artificielle en un seul dispositif reconfigurable. Parce qu’il peut être programmé par de petites impulsions d’énergie, fonctionner à l’échelle des nanosecondes et retenir ses réglages sans alimentation, un tel matériel pourrait rendre les futurs appareils photo, objets portables et autres dispositifs en périphérie beaucoup plus efficaces. Plutôt que d’envoyer des flots de données brutes vers un processeur distant ou le cloud, ces systèmes pourraient extraire du sens là où les données naissent — un peu comme le font nos yeux et notre cerveau — ouvrant la voie à des machines compactes et basse consommation capables de voir et comprendre le monde en temps réel.

Citation: Zhang, ZC., Li, Y., Yao, J. et al. A reconfigurable photosensitive split-floating-gate memory for neuromorphic computing and nonlinear activation. Nat Commun 17, 1697 (2026). https://doi.org/10.1038/s41467-026-68402-7

Mots-clés: matériel neuromorphique, informatique in‑sensor, informatique en mémoire, activation non linéaire, IA en périphérie