PdNeuRAM : ReRAM Pd/HfO2 multi‑bits et sans formage pour un calcul neuromorphique économe en énergie

Des puces plus intelligentes pour un monde d’objets connectés

Des assistants vocaux aux voitures autonomes, les appareils modernes reposent sur des ordinateurs rapides mais gourmands en énergie. À mesure que l’on intègre davantage d’intelligence dans les téléphones, capteurs et robots, les processeurs actuels peinent à suivre sans épuiser les batteries ou surchauffer. Cette étude explore un nouvel élément mémoire électronique de très petite taille qui se comporte un peu comme une synapse cérébrale, avec pour objectif de rendre le matériel d’intelligence artificielle futur beaucoup plus économe en énergie.

Pourquoi l’informatique inspirée du cerveau exige un nouveau matériel

Beaucoup de systèmes d’IA modernes reposent sur le principe du calcul en mémoire, où l’information est stockée et traitée au même endroit physique. Cela réduit le temps et l’énergie dépensés à déplacer les données. Un candidat de premier plan pour ces cellules mémoire est la mémoire résistive à accès aléatoire, ou ReRAM, qui peut conserver différents niveaux de résistance même hors tension. Toutefois, la plupart des dispositifs ReRAM nécessitent une étape initiale de « formage » à haute tension pour percer des chemins conducteurs dans le matériau. Cette étape gaspille de l’énergie, fatigue le dispositif et complique la fabrication, limitant son utilité pour de grandes puces d’IA à faible consommation.

Concevoir un petit commutateur sans démarrage brutal

Les chercheurs ont développé une nouvelle cellule ReRAM qu’ils appellent PdNeuRAM, construite à partir d’une couche ultrafine d’oxyde d’hafnium prise en sandwich entre des couches de palladium et de titane. Une microscopie soignée a montré que des atomes de palladium s’insèrent légèrement dans l’oxyde à l’interface, où ils attirent des atomes d’oxygène et laissent derrière eux de nombreux défauts de faible profondeur. Plutôt que de nécessiter une étape de formage électrique violente pour créer un filament conducteur unique et épais, cette interface conçue héberge naturellement un réseau dense de sites de défauts doux et peu profonds. En conséquence, le dispositif peut commuter entre états de résistance à des tensions bien plus faibles et sans le prétraitement agressif requis par les ReRAM classiques.

Afinage de multiples nuances de conductance

Des tests électriques ont révélé que ces cellules PdNeuRAM peuvent ajuster leur résistance en douceur sur plusieurs niveaux, plutôt que de simplement basculer entre des états « on » et « off ». En modifiant l’amplitude et la durée des impulsions électriques, l’équipe a pu programmer de manière fiable au moins huit niveaux de résistance distincts dans une seule cellule. Ces niveaux sont restés stables sur des dizaines de milliers d’opérations de lecture et de cycles de commutation. L’analyse des trajets du courant suggère que, à faibles intensités, le dispositif conduit via un réseau étendu de pièges peu profonds, tandis que des impulsions de programmation plus fortes épaississent progressivement les chemins conducteurs, étendant la plage utile de résistance sans perdre le contrôle fluide.

Du dispositif isolé aux réseaux neuronaux à impulsions

Pour évaluer le comportement de cette nouvelle cellule en conditions réalistes, l’équipe a simulé des réseaux croisillons (crossbar) de PdNeuRAM et les a comparés à des ReRAM plus conventionnelles à base de platine. Ils ont utilisé ces matrices comme synapses dans deux réseaux neuronaux à impulsions qui reconnaissent des motifs issus de jeux de données de vision événementielle, incluant des chiffres manuscrits en mouvement et des gestes humains. Dans ces réseaux, l’information est portée par de brèves impulsions électriques plutôt que par des signaux continus, davantage à l’image des neurones biologiques. Les chercheurs ont mappé chaque poids numérique du réseau sur plusieurs cellules ReRAM multivalentes, puis simulé l’énergie nécessaire pour écrire et lire ces poids pendant l’apprentissage et la reconnaissance.

Économiser de l’énergie sans sacrifier la précision

Les réseaux neuronaux à impulsions construits avec PdNeuRAM ont atteint des précisions similaires à celles utilisant les dispositifs antérieurs à base de platine, identifiant correctement la plupart des chiffres et gestes des ensembles de test. Cependant, grâce à leur résistance intrinsèquement plus élevée et à l’absence de formage, les cellules à base de palladium ont consommé beaucoup moins d’énergie. Sur l’ensemble d’un réseau, l’énergie nécessaire pour programmer les poids synaptiques a diminué d’environ 43 %, tandis que l’énergie requise pour les lire lors de l’inférence a chuté d’environ 38 %. Cette réduction s’explique par le fait que le réseau de défauts doux et distribué dans le PdNeuRAM évite la formation de filaments épais et très conducteurs, limitant les courants inutiles lors des opérations d’écriture et de lecture.

Ce que cela signifie pour la technologie de tous les jours

En termes simples, l’étude montre comment des modifications subtiles à l’échelle atomique peuvent transformer un élément mémoire exigeant en une synapse électronique douce et finement réglable. En réorganisant la façon dont les atomes d’oxygène et de métal s’arrangent sur quelques milliards de mètres d’épaisseur, l’équipe a créé un dispositif qui n’a plus besoin d’un « coup de pouce » énergivore, tout en offrant de nombreux niveaux de résistance stables pour le calcul inspiré du cerveau. Si ces cellules ReRAM multivalentes sans formage sont industrialisées et améliorées, elles pourraient alimenter les matériels IA futurs destinés aux petits capteurs, appareils mobiles et dispositifs edge, tout en consommant bien moins d’énergie que les puces actuelles.

Citation: Hua, E., Spyrou, T., Ahmadi, M. et al. PdNeuRAM: forming-free, multi-bit Pd/HfO₂ ReRAM for energy-efficient neuromorphic computing. Commun Eng 5, 97 (2026). https://doi.org/10.1038/s44172-026-00650-3

Mots-clés: informatique neuromorphique, ReRAM, oxyde d’hafnium, réseaux neuronaux à impulsions, matériel IA basse consommation