Des chercheurs de l'Institut des sciences et technologies avancées de Corée (KAIST) ont développé un nouveau dispositif, le 'Neuristor à Commutation de Fréquence', capable de reproduire la capacité d'adaptation du cerveau humain. Cette avancée promet de rendre le matériel d'intelligence artificielle (IA) plus économe en énergie et plus stable.
Ce dispositif novateur peut ajuster de manière autonome sa fréquence de signal, à l'instar des neurones biologiques qui modulent leur sensibilité. Cette plasticité intrinsèque est la clé de ses performances améliorées et de sa résilience. En combinant des memristors volatils et non-volatils, le neuristor atteint un comportement programmable de fréquence-tension à plusieurs niveaux, lui permettant d'apprendre et de s'adapter plus efficacement. Des simulations sur des réseaux neuronaux épars ont révélé une réduction significative de 27,7 % de la consommation d'énergie par rapport aux réseaux d'IA traditionnels, tout en préservant la précision du calcul. De plus, le neuristor démontre une résilience remarquable, capable de se réorganiser pour retrouver ses performances même après des dommages simulés à ses composants neuronaux.
Cette innovation, publiée dans la revue Advanced Materials le 18 août 2025 et dirigée par le Professeur Kyung Min Kim, s'inscrit dans le domaine en pleine expansion du calcul neuromorphique, qui vise à imiter la structure et le fonctionnement du cerveau pour créer des systèmes informatiques plus efficaces. Les memristors, composants clés de ce neuristor, sont particulièrement étudiés pour leur capacité à mémoriser et à traiter l'information, leur capacité à conserver l'information même hors tension, ainsi que leur capacité à effectuer à la fois le stockage et le calcul des données dans un seul composant, se rapprochant ainsi du fonctionnement synaptique humain. La plasticité synaptique, concept fondamental en neurosciences, décrit la capacité des connexions neuronales à se modifier en fonction de l'expérience, un mécanisme essentiel à l'apprentissage et à la mémoire.
L'intégration de cette plasticité intrinsèque dans le matériel d'IA est une étape majeure vers des systèmes plus adaptatifs et autonomes. Les applications potentielles de cette technologie sont vastes, particulièrement dans les domaines nécessitant une stabilité soutenue. Les appareils de calcul en périphérie (edge computing) et les véhicules autonomes, par exemple, pourraient grandement bénéficier de cette efficacité énergétique et de cette robustesse accrue. L'informatique neuromorphique, en général, est considérée comme une voie prometteuse pour réduire l'empreinte énergétique croissante de l'IA. Les recherches actuelles visent à optimiser ces architectures pour qu'elles consomment moins d'énergie tout en maintenant, voire en améliorant, leurs performances. Le neuristor à commutation de fréquence développé au KAIST représente ainsi une avancée significative dans la quête d'une IA plus durable et performante.