Neuromorphique

Contact : Alexandre ZIMMERS

Les algorithmes « inspirés du cerveau », au cœur de l’IA, sont aujourd’hui exécutés majoritairement sur des architectures silicium qui ne sont pas optimisées pour ce type de calcul ; à mesure que l’IA se déploie, la question de la consommation énergétique devient un enjeu majeur. Les architectures neuromorphiques visent à reproduire un fonctionnement cérébral en couplant des oscillateurs nanométriques jouant le rôle de neurones et de synapses — idéalement au moyen d’un seul matériau. Malheureusement, parmi les rares matériaux quantiques qui se comportent naturellement comme des « neuristors » à impulsions (neurones artificiels), il est resté difficile de réaliser une mémoire « synaptor » non volatile (synapses artificielles) (voir Fig. 1).

Fig. 1 : Illustration schématique d’un système neuromorphique. (a) Modèle biologique : le soma du neurone reçoit des entrées via les synapses. (b) Modèle électronique bio-inspiré : un neuristor électronique accumule les entrées générées par plusieurs neuristors pré-synaptiques, avec des poids modulés par des synaptors mémristifs. Bas : VO₂ fonctionne naturellement comme un neurone artificiel, mais son utilisation comme synapse artificielle reste à établir.

Le dioxyde de vanadium (VO₂) est connu comme un excellent neuristor fonctionnant près de la température ambiante. Pour réduire l’échelle d’un circuit neuromorphique sur une seule puce, il est donc nécessaire de pouvoir aussi utiliser le VO₂ comme synapse artificielle. Pour cela, nous avons commencé par étudier les motifs électroniques dans ce matériau. En effet, sa transition isolant–métal est particulièrement intéressante, car elle présente des domaines électroniques de type fractal sur plusieurs ordres de grandeur. Pour cela, nous avons développé une nouvelle méthode de microscopie optique qui permet un enregistrement précis, submicronique, de ces motifs (voir Fig. 2). Cette série d’images regroupées nous a d’abord permis de générer des cartes de Tc [1] et de révéler les interactions sous-jacentes à l’aide de techniques d’apprentissage automatique nouvellement développées [2].

Fig. 2 : Motifs électroniques multi-échelles dans VO₂ pendant la transition isolant–métal [1].

En nous appuyant sur ces connaissances, nous avons, au fil des années, réalisé un comportement synaptique dans le VO₂ de différentes manières : en utilisant des cycles de température [3], un faisceau laser focalisé et une pointe de microscope à force atomique (AFM) [4], ainsi que des nanodisques d’Au sur VO₂ [5].

Fig. 3 : "Ramp Reversal Memory" dans VO₂ [3].

Fig. 4 : Contrôle local des motifs isolant–métal dans VO₂ au moyen de balayages en température, d’un faisceau laser focalisé et d’une pointe d’AFM [4].

Fig. 5 : La transition isolant–métal dans un film mince de VO₂ est facilitée par des réseaux ordonnés de nanodisques d’or (Au) [5].

Ces avancées offrent, pour la première fois, la possibilité de créer des connexions synaptiques réinscriptibles entre neuristors au sein d’une puce neuromorphique monomatériau en VO₂.

Références :

[1] Optical Mapping and On-Demand Selection of Local Hysteresis Properties in VO₂
M. Alzate Banguero, S. Basak, N. Raymond, F. Simmons, P. Salev, I. K. Schuller, L. Aigouy, E. W. Carlson, A. Zimmers. Condensed Matter 10 (1), 12 (2025)

[2] Deep learning Hamiltonians from disordered image data in quantum materials
S. Basak, M. A. Banguero, L. Burzawa, F. Simmons, P. Salev, L. Aigouy, M. M. Qazilbash, I. K. Schuller, D. N. Basov, A. Zimmers, E. W. Carlson. Physical Review B 107, 205121 (2023)

[3] Spatially Distributed Ramp Reversal Memory in VO₂
S. Basak, Y. Sun, M. A. Banguero, P. Salev, I. K. Schuller, L. Aigouy, E. W. Carlson, A. Zimmers. Advanced Electronic Materials 9 (10), 2300085 (2023)

[4] Tuning the Resistance of a VO₂ Junction by Focused Laser Beam and Atomic Force Microscopy
Z. Fang, M. Alzate-Banguero, A. R. Rajapurohita, F. Simmons, E. W. Carlson, Z. Chen, L. Aigouy, A. Zimmers. Advanced Electronic Materials 11 (2), 2400249 (2025)

[5] Plasmon-enhanced photothermal sensing through coupled VO₂/Au nanodisks
Z. Fang, A. Zimmers, Z. Chen, L. Billot, A. García-Martín, L. Aigouy. Surfaces and Interfaces 62, 106145 (2025)