Un matériau pour puces informatiques pourrait réduire considérablement la consommation d’énergie de l’IA

Des chercheurs ont développé un nouveau type de nano-dispositif électronique qui pourrait réduire de façon spectaculaire l’énergie consommée par le matériel d’intelligence artificielle en imitant le cerveau humain.

Les chercheurs, dirigés par l’Université de Cambridge, ont mis au point une forme d’oxyde d’hafnium qui agit comme un mémristor hautement stable et à faible consommation d’énergie — un composant conçu pour imiter la manière efficace dont les neurones sont connectés dans le cerveau. Les résultats sont publiés dans la revue Science Advances.

Les systèmes d’IA actuels reposent sur des puces informatiques classiques qui font circuler les données entre les unités de mémoire et de traitement. Ce mouvement constant consomme de grandes quantités d’électricité, et la demande mondiale explose à mesure que l’adoption de l’IA se répand dans tous les secteurs.

L’informatique neuromorphique, inspirée du cerveau, est une autre façon de traiter l’information qui pourrait réduire la consommation d’énergie jusqu’à 70 % en stockant et en traitant l’information au même endroit, et ce avec une puissance extrêmement faible. Un tel système serait également bien plus adaptable, de la même manière que notre propre cerveau est capable d’apprendre et de s’adapter.

La consommation d’énergie est l’un des principaux défis du matériel d’IA actuel, explique le premier auteur, le Dr Babak Bakhit, du Département de science et de métallurgie des matériaux de Cambridge. Pour y répondre, il faut des dispositifs avec des courants extrêmement faibles, une excellente stabilité, une uniformité remarquable entre les cycles de commutation et les dispositifs, et la capacité de basculer entre de nombreux états distincts.

Articles à explorer

De l’hydrogène vert à partir du soleil et de l’eau

10 mai 2026

Un algorithme détecte six pathologies via une photo de la rétine

9 mai 2026

La plupart des mémristors existants reposent sur la formation de filaments conducteurs minuscules à l’intérieur d’un matériau en oxyde métallique. Mais ces filaments se comportent de manière imprévisible et nécessitent généralement des tensions de formation et de fonctionnement élevées, ce qui limite leur utilité dans les systèmes de stockage et de calcul à grande échelle.

L’équipe de Cambridge a plutôt créé un nouveau type de film mince à base d’hafnium qui change d’état d’une manière totalement différente. En ajoutant du strontium et du titane et en faisant croître le film par une méthode en deux étapes, les chercheurs ont pu former de minuscules portes électroniques, ou « jonctions p-n », à l’intérieur de l’oxyde où les couches se rencontrent. Cela permet au dispositif de modifier sa résistance de manière fluide en déplaçant la hauteur d’une barrière d’énergie à l’interface, plutôt qu’en faisant croître ou rompre les filaments.

Bakhit, également affilié au Département d’ingénierie de Cambridge, affirme que ce mécanisme surmonte l’un des plus grands défis du développement de la technologie des mémristors. Les dispositifs filamentaires souffrent d’un comportement aléatoire, souligne-t-il. Mais parce que nos dispositifs commutent à l’interface, ils présentent une uniformité remarquable d’un cycle à l’autre et d’un dispositif à l’autre.

En utilisant les dispositifs à base d’hafnium, les chercheurs ont obtenu des courants de commutation environ un million de fois inférieurs à ceux de certains dispositifs conventionnels à base d’oxyde. Les mémristors ont également produit des centaines de niveaux de conductance distincts et stables, une exigence clé pour le calcul analogique « en mémoire ».

Les tests en laboratoire ont montré que les dispositifs pouvaient supporter de manière fiable des dizaines de milliers de cycles de commutation et stocker leurs états programmés pendant environ une journée. Ils ont également reproduit des règles d’apprentissage fondamentales observées en biologie, telles que la plasticité dépendante du temps de décharge : le mécanisme par lequel les neurones renforcent ou affaiblissent leurs connexions en fonction du moment où les signaux arrivent.

Ce sont les propriétés dont vous avez besoin si vous voulez un matériel capable d’apprendre et de s’adapter, et pas seulement de stocker des bits, déclare Bakhit.

Cependant, il reste encore quelques défis à relever. Le procédé de fabrication actuel nécessite des températures d’environ 700°C — supérieures aux tolérances de fabrication standard des semi-conducteurs. C’est actuellement le principal défi de notre procédé de fabrication de dispositifs, explique Bakhit. Mais nous travaillons maintenant sur des moyens de réduire la température pour la rendre plus compatible avec les procédés industriels standard.

Malgré cela, il pense que la technologie pourrait finalement être intégrée dans des systèmes à l’échelle de la puce. Si nous pouvons réduire la température et placer ces dispositifs sur une puce, ce serait un grand pas en avant, affirme-t-il.

Bakhit, un physicien des matériaux, révèle que cette percée a suivi plusieurs années d’expériences infructueuses. Le tournant est survenu fin de l’année dernière lorsqu’il a essayé une variante de la méthode de dépôt en deux étapes, en ajoutant de l’oxygène uniquement après la croissance de la première couche.

J’ai passé presque trois ans là-dessus, confie-t-il. Il y a eu un très grand nombre d’échecs. Mais fin novembre, nous avons vu les premiers résultats vraiment bons. Nous n’en sommes qu’aux débuts, bien sûr, mais si nous pouvons résoudre le problème de la température, cette technologie pourrait tout changer car la consommation d’énergie est tellement plus faible et, en même temps, les performances du dispositif sont très prometteuses.

Article : HfO2-based Memristive Synapses with Asymmetrically Extended p-n Heterointerfaces for Highly Energy-efficient Neuromorphic Hardware – Journal : Science Advances – DOI : Lien vers l’étude

Source : Cambridge U.