Des chercheurs de l'Université des sciences et technologies de Huazhong (HUST) à Hubei, en Chine, et de l'Université chinoise de Hong Kong (CUHK) ont récemment mis au point une puce de calcul neuromorphique basée sur un semi-conducteur bidimensionnel, le bisulfure de molybdène. Cette puce permet de réduire la consommation énergétique des algorithmes d'IA tout en maintenant la précision des calculs. Les résultats correspondants ont été publiés dans la revue « Nature Electronics ».

Cette puce de calcul neuromorphique adopte une matrice croisée verticale à un transistor - une résistance (1T1R) et utilise deux schémas de repliement de signal : le repliement du signal d'entrée et le repliement de la conductance de poids. Le repliement du signal d'entrée réduit la consommation d'énergie en abaissant la tension de fonctionnement, tandis que le repliement de la conductance de poids étend la précision des poids en contournant les variations entre dispositifs. « Par rapport aux opérations sans repliement de signal, notre méthode peut réduire la consommation d'énergie des multiplications vecteur-matrice jusqu'à 90 %, tout en atteignant une précision similaire, sans nécessiter de schéma d'étalonnage ou de compensation », écrivent les auteurs de l'article, Tong Lei, Langlang Xu et leurs collègues.

Lors des tests, les chercheurs ont utilisé cette puce de calcul neuromorphique pour effectuer des multiplications vecteur-matrice, une opération fondamentale qui sous-tend l'analyse des réseaux neuronaux artificiels. Comparé aux systèmes sans repliement de signal, le nouveau schéma a considérablement réduit la consommation d'énergie tout en maintenant la précision des calculs. Cette étude démontre le potentiel d'application des puces de calcul neuromorphique à base de bisulfure de molybdène dans les plateformes d'intelligence artificielle en périphérie (edge AI).

À l'avenir, les chercheurs prévoient de perfectionner cette puce et de l'intégrer dans des dispositifs exécutant localement des algorithmes d'IA. Les caractéristiques de faible consommation d'énergie des puces de calcul neuromorphique à base de bisulfure de molybdène pourraient favoriser l'amélioration de l'efficacité énergétique des appareils intelligents.

Détails de la publication : Auteur : Ingrid Fadelli, Phys.org ; Titre : « Signal-folding design helps neuromorphic chip slash AI energy use » ; Publié dans : « Nature Electronics » (2026) ; Informations sur la revue : Nature Electronics