Les technologies de pointe en matière de traitement de l’information évoluent constamment, offrant des solutions toujours plus sophistiquées pour la gestion et l’analyse des données. Une innovation récente, qui pourrait transformer la manière dont les machines perçoivent et traitent les informations, provient du KAUST. Cette découverte ouvre de nouvelles possibilités pour l’informatique neuromorphique et le traitement des données à la périphérie.
Un condensateur adaptatif pour des tâches d’apprentissage
Les scientifiques de l’Université des Sciences et Technologies du Roi Abdallah (KAUST) ont développé un condensateur à semi-conducteur à oxyde métallique (MOSCap) capable de détecter et d’apprendre grâce à des stimuli optiques. Ces dispositifs, basés sur le matériau bidimensionnel diséléniure de hafnium (HfSe2), fonctionnent comme des mémoires intelligentes. La structure verticale de ces condensateurs place le HfSe2 entre des couches d’oxyde d’aluminium (Al2O3) sur un substrat de silicium de type p, avec une couche transparente d’oxyde d’étain et d’indium (ITO) permettant l’entrée de la lumière depuis le dessus.
Les caractéristiques de piégeage de charge et de capacité des MOSCaps évoluent en fonction des conditions lumineuses, ce qui leur permet de servir de mémoires intelligentes capables d’apprendre à l’aide de la lumière. Ces dispositifs peuvent être entraînés et reconfigurés avec des signaux optiques, tandis que des signaux de polarisation électrique servent à effacer ou à réinitialiser le dispositif.
Capacité d’apprentissage et de reconnaissance
Les expériences menées par l’équipe ont montré que l’exposition à la lumière bleue de longueur d’onde 465 nm peut renforcer la réponse du dispositif à la lumière rouge de 635 nm, illustrant une forme d’apprentissage associatif. Dans le domaine de l’informatique neuromorphique, le MOSCap se comporte comme une synapse artificielle, capable de montrer à la fois une potentialisation à long terme (augmentation de la réponse synaptique) et une dépression à long terme (diminution de la réponse synaptique).
Cette recherche est essentielle pour comprendre les capacités de ces mémoires intelligentes et améliorer leurs mécanismes d’apprentissage adaptatif. Nazek El-Atab, à la tête de l’équipe, a déclaré en effet : «Ce travail examine comment les neurones artificiels réagissent et s’adaptent aux stimuli optiques — spécifiquement, aux changements d’intensité, de durée et de longueur d’onde de la lumière.»
Newsletter Enerzine
Recevez les meilleurs articles
Énergie, environnement, innovation, science : l’essentiel directement dans votre boîte mail.
Applications potentielles et simulations
Les chercheurs ont utilisé ces propriétés pour simuler un circuit synaptique capacitif qui pourrait reconnaître des chiffres manuscrits du dataset MNIST avec une précision de 96%. De plus, ils ont démontré que les capacités de détection adaptative d’un neurone MOSCap pourraient être utilisées pour détecter des exoplanètes en identifiant les changements transitoires dans l’intensité de la lumière d’une étoile, avec une précision de 90%.
Selon El-Atab, «Ces dispositifs montrent des capacités de détection de la lumière en mémoire qui les rendent idéaux pour des applications de calcul à la périphérie. Ils offrent un potentiel considérable pour des applications en intelligence artificielle où le traitement rapide et le stockage de volumes importants de données sont nécessaires, particulièrement pour des données optiques.»
Légende illustration : Un dispositif optoélectronique conçu par la KAUST peut s’adapter à la lumière, imitant les synapses et les neurones pour l’informatique neuromorphique optique.© 2025 KAUST.
Article : Alqahtani, B., Li, H., Syed, A.M. & El-Atab, N. From light sensing to adaptive learning: Hafnium dilselenide reconfigurable memcapacitive devices in neuromorphic computing. Light Science and Applications 14, 30 (2025).| DOI : 10.1038/s41377-024-01698-6
