Memristance et transmemristance dans les systèmes mémristifs multi‑terminaux

Pourquoi les circuits mémoire minuscules comptent

Les technologies modernes comme l’intelligence artificielle et le calcul inspiré du cerveau exigent du matériel capable d’apprendre et de s’adapter, pas seulement de stocker des données. Les dispositifs mémristifs — de minuscules composants dont la résistance électrique garde la trace des signaux passés — apparaissent comme des candidats prometteurs. Cet article explore comment des ensembles de ces dispositifs, interconnectés et accessibles par plusieurs bornes électriques, peuvent être décrits et contrôlés à l’aide d’un cadre unifié. Ce cadre aide non seulement les ingénieurs à concevoir de nouveaux types de matériel de calcul, mais fournit aussi des outils pour sonder la manière dont l’information circule à travers des réseaux auto‑organisés complexes de fils à l’échelle nanométrique.

Des mémoires simples aux réseaux complexes

Les premiers dispositifs mémristifs avaient seulement deux bornes, comme une résistance standard pouvant changer de valeur selon les signaux électriques qu’elle a subis. Ces éléments de base sont déjà utilisés pour créer des mémoires rapides et basse consommation et pour accélérer des algorithmes d’apprentissage automatique. Ils sont typiquement disposés en grilles en croix régulières — des réseaux ordonnés où chaque croisement stocke une valeur sous forme de résistance. Cependant, les chercheurs commencent aussi à explorer des systèmes beaucoup plus irréguliers constitués de nombreux éléments mémristifs interagissants, comme des réseaux enchevêtrés de nanofils ou de nanoparticules. Dans ces systèmes, le comportement global dépend moins des dispositifs individuels que de la façon dont l’ensemble du réseau réagit collectivement à des schémas de stimulation au fil du temps.

Plus de bornes, plus de points de vue

Les auteurs généralisent la description habituelle à deux bornes en ce qu’ils appellent des systèmes mémristifs multi‑terminaux. Au lieu d’une seule entrée et d’une seule sortie, ces systèmes disposent de nombreuses bornes accessibles qui peuvent être soumises à une tension ou laissées flottantes. Un objet mathématique appelé matrice mémristive relie les tensions et les courants à toutes les bornes non flottantes et évolue au fur et à mesure que l’état interne du réseau change. Mesurer la « distance » électrique changeante entre deux bornes révèle comment la résistance effective entre elles augmente ou diminue en réponse aux schémas de stimulation. Cette idée est cruciale parce qu’elle signifie que ce que l’on observe sur une paire de bornes reflète la réorganisation intérieure cachée du réseau.

Observer les changements cachés depuis l’extérieur

Une avancée clé de ce travail est l’extension de la mémristance (changement de résistance observé aux bornes stimulées) à la transmemristance, qui capture la manière dont la stimulation d’une paire de bornes affecte les signaux mesurés sur une autre paire. Concrètement, cela signifie que l’on peut appliquer une tension à un emplacement et surveiller la variation de tension ou de courant ailleurs, « écoutant » ainsi la reconfiguration interne du réseau depuis plusieurs points de vue. Ce concept est développé d’abord en théorie à l’aide de modèles de graphes, où les nœuds représentent des régions ou des jonctions et les arêtes se comportent comme des connexions mémristives dont la conductance varie dans le temps. Quand le réseau est stimulé, certains chemins deviennent plus conducteurs puis se relaxent, et ces changements se reflètent dans la façon dont différentes paires de bornes se couplent entre elles.

De véritables toiles de nanofils qui apprennent

Pour montrer que ces idées s’appliquent en pratique, les auteurs étudient des réseaux auto‑organisés de nanofils métalliques contactés par des matrices d’électrodes métalliques. Chaque électrode touche de nombreux fils, et les nombreux jonctions fil‑fil agissent comme de minuscules éléments mémristifs. Lorsqu’une impulsion de tension est appliquée entre une paire d’électrodes, la réponse en courant et la résistance mesurée à ces électrodes affichent un schéma caractéristique « apprendre et oublier » : la résistance baisse pendant l’impulsion puis se relâche lentement ensuite. En parallèle, les tensions mesurées à d’autres paires d’électrodes non stimulées évoluent de manière corrélée, révélant un comportement transmemristif. En interprétant ces mesures au travers de la matrice mémristive et d’outils graphiques associés, les chercheurs peuvent déduire comment la connectivité à l’intérieur du réseau change dans le temps, bien que les jonctions individuelles ne soient pas directement observables.

Vers de nouveaux types de matériel adaptatif

En termes clairs, ce travail montre comment considérer des réseaux mémristifs complexes et multi‑terminaux comme des objets unifiés et réglables dont l’état interne peut être à la fois piloté et lu depuis différents endroits. La mémristance nous dit comment le réseau réagit là où on le sollicite ; la transmemristance nous dit comment cette réponse se répercute dans le reste du système. Ensemble, elles fournissent des observables pratiques qui reflètent la dynamique cachée des composants à l’échelle nanométrique. Ce cadre unifié relie la théorie des circuits, la science des réseaux et la physique des matériaux, ouvrant la voie à de nouvelles méthodes de caractérisation et à du matériel qui effectue des calculs en tirant parti de la dynamique adaptative naturelle des réseaux mémristifs plutôt que de la logique digitale rigide.

Citation: Milano, G., Pilati, D., Michieletti, F. et al. Memristance and transmemristance in multiterminal memristive systems. Sci Rep 16, 5271 (2026). https://doi.org/10.1038/s41598-026-35671-7

Mots-clés: réseaux mémristifs, matériel neuromorphique, réseaux de nanofils, calcul en réservoir, électronique adaptative