Les avancées technologiques cherchent continuellement à répondre aux besoins croissants de performance et d’efficacité énergétique. Une question se pose : comment pouvons-nous répondre à la demande sans compromettre nos ressources ? Les chercheurs de l’Université de Turku pourraient bien tenir la clé de cette énigme avec leurs travaux sur les mémoires résistives microscopiques, ou memristors, capables d’imiter les activités cérébrales.
Les chercheurs de l’Université de Turku développent des memristors, des mémoires résistives microscopiques qui pourraient jouer un rôle décisif dans la réduction de la consommation électrique induite par l’intelligence artificielle. Leurs efforts ont été récompensés par deux prix finlandais d’invention cet automne.
Un memristor est si petit qu’il échappe à l’œil nu. Pourtant, cette technologie pourrait contribuer à résoudre un problème mondial de grande envergure en matière de consommation énergétique.
La consommation énergétique des centres de données
La professeure de physique Petriina Paturi a attiré l’attention sur un rapport de l’Agence internationale de l’énergie (AIE) indiquant que dans certains pays comme l’Irlande, plus de 20 % de l’électricité nationale se voit utilisée par des centres de données de grande taille.
À l’échelle mondiale, ce chiffre se situe autour de 2 % de l’électricité totale, mais on s’attend à ce qu’il double dans quelques années.
Selon Paturi, l’intelligence artificielle est l’une des raisons principales de cette croissance rapide. « Chaque question posée à l’IA consomme dix fois plus d’énergie qu’une recherche Google normale », a-t-elle indiqué, en soulignant que son groupe de recherche travaille sur de nouveaux types de memristors économes en énergie.
Paturi compare la consommation énergétique à celle du cerveau humain. Par exemple, dans un ordinateur neuromorphique, un événement d’apprentissage synaptique consomme un nanojoule avec l’électronique conventionnelle. Si l’on utilisait les memristors développés par le groupe de recherche, la consommation serait mille fois moindre. Et dans le cerveau humain, la consommation est encore mille fois inférieure à cela.
« La puissance de traitement du cerveau est incroyable comparée à celle d’un ordinateur à semi-conducteur de taille comparable. La différence entre eux est significative. En utilisant des memristors, nous pourrions nous rapprocher de l’efficacité énergétique du cerveau », souligne Petriina Paturi.
L’invention de l’Université de Turku
Un memristor est une nouvelle forme de mémoire résistive à l’échelle nanométrique, extrêmement efficace, qui peut s’appliquer à diverses utilisations imitant l’activité cérébrale. Ils sont développés à travers le monde par des groupes de recherche universitaires et des géants technologiques.
L’Université de Turku a inventé son propre matériau breveté et sa structure pour les memristors, offrant à leur composant des propriétés de classe mondiale.
Le processus d’invention a débuté il y a une décennie lorsque Petriina Paturi, qui avait précédemment étudié les manganites à faible bande passante, et son groupe ont réalisé que les matériaux de manganite semi-conducteurs pourraient parfaitement convenir pour les memristors, sous réserve de traitement.
Ils ont développé un nouveau type de matériau, un composé d’oxyde de gadolinium-calcium-manganèse, qui possède une excellente conductivité pour un memristor et une scalabilité exceptionnelle, permettant la fabrication de memristors très petits.
Vers la commercialisation
Un projet de commercialisation des memristors est déjà en cours, avec pour objectif de les introduire sur les marchés internationaux. Cependant, actuellement, cette technologie est produite uniquement à des fins de recherche et développement.
Par exemple, les memristors sont testés dans un robot de détection de friction développé par le professeur associé Wallace Bessa à la faculté de technologie. Ce robot pourrait s’utiliser dans des voitures autonomes ou des drones, par exemple. Le développement de la conduite autonome nécessite des dispositifs de calcul très rapides et économes en énergie, capables d’apprendre, avec un calcul effectué sur l’appareil plutôt que dans le cloud.
Selon Petriina Paturi, les memristors trouvent leur application naturelle dans de tels dispositifs de calcul. Un autre domaine approprié pourrait être divers capteurs alimentés par batterie où une faible consommation énergétique est essentielle.
Légende illustration : Antola termine les memristors à l’aide d’un évaporateur à faisceau d’électrons, c’est-à-dire qu’une dernière couche d’aluminium est évaporée sur les autres couches. Photos: Hanna Oksanen
Article adapté du contenu de l’auteure : Liisa Reunanen
Source : Université de Turku
