Des scientifiques ont réalisé une avancée clé dans le domaine du calcul neuromorphique ; une équipe internationale menée par l’Université de Loughborough a réussi à développer un « neurone transrégional » artificiel capable de simuler les fonctions de plusieurs régions du cerveau, posant les bases pour la construction de systèmes robotiques dotés de capacités de perception et d’adaptation de niveau biologique.

Les neurones artificiels traditionnels ne peuvent exécuter qu’une seule tâche, tandis que le nouveau neurone transrégional, grâce à l’intégration d’éléments mémristifs, présente une capacité d’ajustement dynamique. L’équipe de recherche, par régulation de signaux électriques, a permis à un seul dispositif de reproduire avec une précision de 70 % à 100 % les modes de pulses des neurones visuels, moteurs et prémoteurs. Les données expérimentales montrent que cet appareil peut traiter simultanément plusieurs signaux et répondre en fonction des différences de synchronisation des entrées, dépassant la limitation des neurones artificiels traditionnels nécessitant une coordination multi-unités. Le professeur Sergueï Saveliev de l’Université de Loughborough souligne : « En ajustant des paramètres comme la tension, la même unité peut simuler les fonctions de différentes régions cérébrales ; cette flexibilité provient des caractéristiques auto-adaptatives du mémristif aux changements environnementaux. »

Le cœur de cette technologie réside dans le mécanisme de mémoire physique du mémristif – les atomes d’argent forment des ponts dynamiques sous l’effet d’un champ électrique, produisant des signaux de pulses similaires à ceux du cerveau. Le professeur Joshua Yang de l’Université de Californie du Sud souligne que cette percée matérielle confère au système une capacité d’apprentissage continu, réduisant la consommation énergétique de plus de 90 % par rapport aux modèles IA existants. L’équipe avance le projet « cortex cérébral sur puce », planifiant d’interconnecter des centaines de neurones transrégionaux pour construire un réseau neuronal capable de percevoir, apprendre et contrôler. Le docteur Sergueï Gepstein de l’Institut Salk estime que cela pourrait donner naissance à des robots autonomes s’adaptant en temps réel à l’environnement, avec une efficacité bien supérieure aux systèmes traditionnels dépendant de simulations logicielles.