Calcul neuromorphique optique multidimensionnel et reconfigurable utilisant des synapses tout-photoniques à base de pérovskite

La lumière qui apprend

Les ordinateurs qui alimentent l’intelligence artificielle moderne déplacent encore des bits entre des puces séparées pour la mémoire et le traitement, gaspillant ainsi du temps et de l’énergie. Cette étude explore une approche radicalement différente : utiliser la lumière elle-même pour porter l’information et effectuer un apprentissage de type cérébral. Les chercheurs ont construit une « synapse tout-photonique » — un minuscule élément contrôlé par la lumière qui garde en mémoire des flashs lumineux passés — puis ont montré comment de grands ensembles de ces éléments pouvaient reconnaître des motifs et s’adapter à un environnement changeant sans recâbler le matériel.

Un film qui change avec la lumière et l’air

Au cœur du travail se trouve un film mince fabriqué à partir d’un matériau pérovskite particulièrement sensible à la fois à la lumière et à l’eau présente dans l’air. Lorsqu’une lumière ultraviolette éclaire le film, sa structure cristalline se réarrange et il s’assombrit, bloquant davantage la lumière visible ; lorsque la lumière est retirée et que le matériau absorbe l’humidité ambiante, il revient lentement à un état plus transparent. Ce va-et-vient est entièrement réversible et très stable sur de nombreux cycles et des mois de stockage. Parce que la quantité de lumière traversant le film peut varier d’un quasi-transparent à fortement teinté, il offre une large plage pour encoder différentes « pondérations » ou intensités — un peu comme les forces de connexion variables entre neurones dans le cerveau.

Des synapses optiques qui se souviennent

Les chercheurs considèrent les changements de transparence du film comme une mémoire optique. Des impulsions lumineuses successives peuvent temporairement renforcer la réponse du film, imitant la façon dont les synapses biologiques se renforcent brièvement lorsque des signaux arrivent en succession rapide. En faisant varier le nombre d’impulsions lumineuses frappant le film, leur fréquence de répétition et leur intensité, l’équipe peut faire passer le dispositif de mémoires de courte durée qui s’estompent rapidement à des mémoires de longue durée qui persistent, reflétant la distinction du cerveau entre mémoire à court terme et mémoire à long terme. L’humidité ambiante joue également le rôle d’un bouton de réglage : un air plus sec ralentit la récupération du matériau, prolongeant la durée pendant laquelle la « mémoire » d’une impulsion lumineuse est conservée, tandis que des conditions plus humides accélèrent l’oubli.

Lire de nombreux indices à partir d’un seul dispositif

Parce que la réponse du film dépend de plusieurs facteurs à la fois — puissance lumineuse, durée d’exposition et humidité — le même type de synapse porte naturellement une information multidimensionnelle sur son environnement. L’équipe a enregistré l’évolution de la transparence du film au fil du temps sous différentes conditions et a introduit ces traces dans un réseau neuronal récurrent, une forme d’intelligence artificielle qui excelle à reconnaître des motifs qui se déroulent dans le temps. Même si toutes les informations provenaient d’un seul type de signal optique, le réseau a appris à distinguer parfaitement différentes intensités lumineuses, durées d’impulsion et niveaux d’humidité, montrant que ces synapses photoniques peuvent servir à la fois de capteurs riches et sensibles au temps et d’éléments de mémoire.

Reprogrammer des tâches uniquement avec la lumière

Pour démontrer un calcul pratique, les auteurs ont ensuite utilisé des matrices de ces films comme éléments ajustables dans un réseau neuronal optique diffractif — une configuration où les images sont traitées en passant à travers des couches minces à motifs au lieu de circuits électroniques. En projetant différentes séquences lumineuses de programmation sur les synapses en pérovskite, ils ont pu régler jusqu’à 80 niveaux de transparence distincts à chaque emplacement, définissant ainsi efficacement les paramètres internes du réseau sans aucun changement physique. Avec un jeu de « poids » optiques, le système classait des chiffres manuscrits ; avec un autre, il reconnaissait des vêtements issus d’une base de données différente. Les deux tâches étaient réalisées par le même matériel, simplement reconfiguré par des mises à jour des synapses pilotées par la lumière.

Ce que cela signifie pour les machines du futur

Ce travail montre qu’un simple film photosensible peut se comporter comme une connexion intelligente et réglable dans un réseau neuronal, stockant de l’information dans sa transparence et répondant différemment selon les signaux récents et l’environnement environnant. En combinant de nombreux éléments de ce type, les chercheurs créent des systèmes optiques capables de détecter, mémoriser et s’adapter à de nouvelles tâches à grande vitesse et avec une faible consommation d’énergie, le tout sans circuits électroniques conventionnels. En termes concrets, c’est un pas vers des caméras et capteurs dont les « yeux » et le « cerveau » sont faits du même matériau basé sur la lumière, apprenant directement à partir de la lumière qu’ils perçoivent et remodelant leur comportement avec rien d’autre que de nouveaux motifs d’illumination.

Citation: Zi, J., Sun, J., Yang, B. et al. Multidimensional and reconfigurable optical neuromorphic computing using perovskite-based all-photonic synapses. Commun Mater 7, 92 (2026). https://doi.org/10.1038/s43246-026-01097-x

Mots-clés: calcul neuromorphique optique, synapse en pérovskite, mémoire tout-photonique, photonique reconfigurable, réseau neuronal diffractif