Intégration homogène de neurones optoélectroniques à base de matériaux bidimensionnels et de synapses ferroélectriques pour la vision neuromorphique

Une vision intelligente plus près de l’œil

Les caméras et les ordinateurs actuels consomment beaucoup d’énergie en transférant continuellement des images entre des puces séparées de détection, de mémoire et de traitement. Cet article décrit un nouveau type de « œil électronique » compact qui réunit ces trois fonctions dans un seul matériau. En imitant la façon dont la rétine humaine transforme la lumière en impulsions électriques, les chercheurs montrent une voie vers des systèmes de vision petits et peu énergivores susceptibles d’aider les voitures, les robots et les appareils portables à voir et à réagir en temps réel.

Pourquoi la vision machine actuelle gaspille des ressources

La plupart des systèmes de vision numériques suivent une recette bien connue : un capteur photographie la lumière, les données sont envoyées en mémoire, puis un processeur les analyse. Parce que ces éléments sont séparés, les images brutes doivent être lues, déplacées et réécrites à plusieurs reprises, ce qui coûte du temps et de l’énergie. Ceci devient un problème sérieux pour des tâches comme l’assistance à la conduite ou les drones, où il faut analyser en continu des vidéos rapides en périphérie. Le cerveau évite ce goulot d’étranglement en effectuant des traitements précoces directement dans la rétine, où cellules photosensibles et connexions nerveuses sont étroitement imbriquées. Les auteurs cherchent à transposer une stratégie « in‑sensor » similaire en électronique, en utilisant un matériel qui fonctionne naturellement en impulsions neuronales plutôt qu’en signaux numériques conventionnels.

Un neurone sensible à la lumière construit à partir d’une feuille d’atomes

Au cœur du travail se trouve un neurone artificiel piloté par la lumière, fabriqué en disulfure de molybdène (MoS₂), un semi‑conducteur bidimensionnel d’à peine quelques atomes d’épaisseur. Quand la lumière frappe ce dispositif, des charges se piégent à son interface et augmentent progressivement sa sortie électrique, un peu comme le potentiel membranaire d’un neurone biologique qui intègre des signaux entrants. Une fois que cette sortie dépasse un seuil fixé, un petit circuit force le dispositif à émettre une brève impulsion puis se réinitialise automatiquement, prêt pour la prochaine exposition lumineuse. Comme le même minuscule transistor détecte la lumière et l’accumule dans le temps, aucun condensateur volumineux n’est nécessaire. Le neurone réagit à différentes couleurs (rouge, vert et bleu) et peut encoder les images de deux manières utiles : par la fréquence de ses impulsions et par le délai avant la première impulsion après un changement de luminosité.

Des synapses électroniques qui mémorisent

Pour compléter les neurones, l’équipe construit des synapses artificielles — des dispositifs dont la conductance électrique peut être modulée puis conservée. Elles reposent sur des transistors à effet de champ ferroélectriques, où une couche d’oxyde particulière garde une polarisation électrique interne même après la suppression de la tension de commande. En appliquant une séquence de brèves impulsions de tension, la conductance de chaque synapse peut être augmentée ou diminuée par paliers sur une trentaine à cinquante niveaux stables, rappelant le renforcement et l’affaiblissement des connexions entre neurones réels lors de l’apprentissage. La conception sépare la couche ferroélectrique du canal principal par un tampon isolant, ce qui améliore la stabilité et permet d’ajuster la fenêtre mémoire par la géométrie. Les synapses fonctionnent comme de minuscules résistances variables, idéales pour effectuer les opérations de multiplication et d’addition qui sous‑tendent le calcul des réseaux neuronaux.

Assembler les éléments pour voir et reconnaître

Les chercheurs montrent ensuite que neurones et synapses peuvent être fabriqués en MoS₂ sur le même wafer, formant une matrice compacte où des neurones photosensibles alimentent directement en impulsions une grille de synapses mémorisantes. Une simple carte électronique héberge l’électronique neuronale restante. Dans des tests et des simulations détaillées, le système encode d’abord des motifs de couleur en trains d’impulsions puis les classe avec un petit réseau de neurones à spikes, atteignant environ 92 % de précision sur des tâches élémentaires de reconnaissance des couleurs. Plus loin, les auteurs modélisent un réseau plus grand utilisant le comportement mesuré des dispositifs pour détecter véhicules et piétons dans des images routières. Après entraînement, ce réseau à base d’impulsions identifie correctement les objets dans un jeu de données de conduite environ 94 % du temps, tout en s’appuyant sur les codes de fréquence et de temporalité intégrés au matériel pour la rapidité et la robustesse.

Ce que cela signifie pour les futurs yeux électroniques

En unissant détection lumineuse, encodage de type neuronal et mémoire synaptique sur une plateforme de matériaux bidimensionnels unique, ce travail rapproche la vision neuromorphique de puces pratiques capables de voir et de décider de manière autonome. Le neurone en MoS₂ reproduit fidèlement des comportements clés des cellules biologiques, et les synapses ferroélectriques offrent un stockage de poids fin et peu énergivore sans blocs mémoire supplémentaires. Bien que la démonstration actuelle soit modeste et dépende encore d’une électronique externe et d’un entraînement logiciel, les résultats suggèrent que des caméras futures pourraient intégrer directement des couches de tels dispositifs au niveau du capteur. Cela permettrait aux machines de filtrer, reconnaître et réagir aux scènes visuelles à la volée, avec beaucoup moins d’énergie que d’envoyer chaque pixel vers un processeur éloigné.

Citation: Wang, J., Liu, K., Tiw, P.J. et al. Homogeneous integration of two-dimensional material-based optoelectronic neurons and ferroelectric synapses for neuromorphic vision. Nat Commun 17, 2538 (2026). https://doi.org/10.1038/s41467-026-68905-3

Mots-clés: vision neuromorphique, réseaux de neurones à spikes, matériaux bidimensionnels, calcul in‑sensor, synapses ferroélectriques