Neuromorphique

Contact : Alexandre ZIMMERS

Matériaux quantiques pour le calcul inspiré du cerveau

Introduction · Imagerie optique · Effets mémoire · Contrôle local · Publications · Vidéo

Vers un calcul inspiré du cerveau

Les algorithmes inspirés du cerveau, au cœur de la révolution de l’intelligence artificielle, sont aujourd’hui principalement exécutés sur des architectures classiques à base de silicium, qui n’ont pas été conçues pour ce type de calcul. À mesure que l’IA se développe, leur consommation énergétique devient un enjeu majeur.

Le calcul neuromorphique offre une alternative prometteuse en cherchant à reproduire les composants fondamentaux du cerveau — les neurones et les synapses — idéalement à l’aide d’un seul matériau.

Parmi les rares matériaux quantiques capables de produire naturellement des impulsions électriques semblables à celles des neurones, le dioxyde de vanadium (VO₂) apparaît comme un candidat particulièrement prometteur pour réaliser des neurones artificiels, appelés neuristors. Cependant, la réalisation d’une mémoire synaptique fiable et réinscriptible — les synaptors — dans ce même matériau reste un défi majeur.

Fig. 1. Illustration schématique d’un système neuromorphique. (a) Modèle biologique : le soma du neurone reçoit des signaux via les synapses. (b) Modèle électronique bio-inspiré : un neuristor électronique accumule les signaux générés par plusieurs neuristors présynaptiques, avec des poids modulés par des synaptors mémristifs. En bas : le VO₂ fonctionne naturellement comme un neurone artificiel, tandis que son potentiel comme synapse artificielle est encore à explorer.

Retour en haut

Visualiser les motifs électroniques dans le VO₂

Le dioxyde de vanadium présente une remarquable transition isolant–métal aux alentours de 68 °C, accompagnée d’une variation spectaculaire de sa résistance électrique.

Pour comprendre et, à terme, contrôler cette transition, nous avons d’abord étudié son organisation spatiale. La transition donne naissance à des motifs électroniques complexes, dans lesquels les domaines métalliques et isolants présentent des structures fractales sur plusieurs échelles de longueur.

Nous avons développé une nouvelle méthode de microscopie optique permettant de visualiser ces motifs avec une résolution submicronique. En suivant leur évolution au cours de cycles de température, nous avons pu reconstruire des cartes locales de température de transition et d’hystérésis (1), puis révéler les interactions sous-jacentes grâce à des techniques d’apprentissage automatique (2).

Fig. 2. Motifs électroniques multi-échelles dans le VO₂ au cours de la transition isolant–métal.

Consulter la publication — Condensed Matter (2025)

Des images microscopiques à la résistance électrique

Plus récemment, nous avons établi un lien quantitatif entre les motifs électroniques microscopiques et le transport électrique macroscopique dans le VO₂.

En intégrant la structure fractale des domaines électroniques dans un modèle multi-échelles de réseau de résistances, nous pouvons prédire avec précision la résistance macroscopique à partir d’images de microscopie optique, tout au long de la transition isolant–métal (7).

Découvrir cette nouvelle étude — arXiv (2025)

Retour en haut

Créer des effets mémoire dans le VO₂

Une étape essentielle vers le calcul neuromorphique utilisant un seul matériau consiste à introduire une mémoire synaptique dans le VO₂.

Nous avons mis en évidence un phénomène de mémoire remarquable, appelé Ramp Reversal Memory (RRM), ou mémoire de retournement de rampe. En effectuant des cycles partiels de température à travers la transition isolant–métal, il est possible de modifier la résistance électrique du matériau d’une manière qui dépend de son histoire thermique.

Grâce à l’imagerie optique résolue spatialement, nous avons montré que cette mémoire est distribuée dans l’ensemble du matériau, plutôt que confinée à quelques régions isolées (3).

Fig. 3. Mémoire de retournement de rampe (« Ramp Reversal Memory ») distribuée spatialement dans le VO₂.

Consulter la publication — Advanced Electronic Materials (2023)

Comprendre le rôle des interactions

Plus récemment, nous avons démontré que les interactions entre domaines métalliques et isolants jouent un rôle essentiel dans la mémoire de retournement de rampe.

En combinant un modèle d’Ising à champs aléatoires corrélés avec des mécanismes de diffusion et de ségrégation des défauts, nous avons développé un cadre théorique permettant d’expliquer comment les interactions entre domaines influencent et renforcent cet effet mémoire (6).

Ces résultats apportent un éclairage nouveau sur les mécanismes physiques à l’origine de la mémoire dans les matériaux quantiques présentant une séparation de phases.

Consulter la nouvelle publication — Advanced Electronic Materials (2025)

Retour en haut

Contrôle local et programmation optique

Au-delà de la mémoire induite par les cycles de température, nous avons développé différentes méthodes permettant de contrôler localement la transition isolant–métal.

À l’aide d’un faisceau laser focalisé, nous avons démontré qu’il est possible de créer des motifs métalliques microscopiques au sein d’une jonction de VO₂ isolante, et ainsi d’ajuster à la demande sa résistance électrique.

Ces motifs peuvent persister tant que la température est maintenue dans la région d’hystérésis. Ils peuvent être effacés en abaissant la température ou modifiés localement à l’aide d’une pointe de microscope à force atomique (AFM) (4).

Fig. 4. Contrôle local des motifs isolant–métal dans le VO₂ par des cycles de température, un faisceau laser focalisé et une pointe de microscope à force atomique (AFM).

Consulter la publication — Advanced Electronic Materials (2025)

Contrôle assisté par les plasmons

Nous avons également exploré l’utilisation de nanostructures d’or pour modifier localement les conditions de transition du VO₂.

Des réseaux ordonnés de nanodisques d’or (Au) permettent d’amplifier la réponse photothermique, réduisant ainsi la puissance laser nécessaire pour déclencher la transition isolant–métal. Cette approche offre un moyen supplémentaire de contrôler l’état électronique du matériau (5).

Fig. 5. Contrôle photothermique de la transition isolant–métal dans le VO₂, assisté par des réseaux ordonnés de nanodisques d’or.

Consulter la publication — Surfaces and Interfaces (2025)

Retour en haut

Vers des architectures neuromorphiques utilisant un seul matériau

Ensemble, ces avancées ouvrent la possibilité de créer des connexions synaptiques programmables et réinscriptibles entre neuristors, au sein d’une puce neuromorphique entièrement réalisée en VO₂.

En combinant l’imagerie microscopique, une meilleure compréhension des interactions entre domaines et le contrôle optique local, nous cherchons à développer de nouvelles approches pour un calcul neuromorphique à faible consommation énergétique.

Publications sélectionnées

[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).

[6] Interactions Enhance Ramp Reversal Memory in Locally Phase Separated Materials

Y. Sun, M. Alzate Banguero, P. Salev, I. K. Schuller, L. Aigouy, A. Zimmers, E. W. Carlson.
Advanced Electronic Materials 11 (21), e00489 (2025).

[7] Accurate prediction of macroscopic transport from microscopic imaging via critical fractals at the Mott transition

P.-Y. Chen, A. R. Rajapurohita, M. Alzate Banguero, S. Basak, F. Simmons, P. Salev, L. Aigouy, I. K. Schuller, A. Zimmers, E. W. Carlson.
arXiv:2512.02154 (2025).

Retour en haut