Il s'agit d'un composant miniaturisé simulant un réseau neuronal artificiel, capable de lire des chiffres manuscrits et constitué d'une matrice de 256 memristors. Ce dispositif a été mis au point par une équipe de recherche issue des Universités nationales de Hanoï et de Hô Chi Minh-Ville. Alors que le calcul neuromorphique fait l'objet d'une attention soutenue à l'échelle mondiale et suscite de multiples approches, l'obtention de ce brevet délivré par l'USPTO atteste de la nouveauté, de l'inventivité, de la faisabilité applicative et de la nette démarcation de la technologie vietnamienne par rapport aux solutions existantes.
Le memristor, ou résistance à mémoire, est un composant électronique en mesure d'assurer simultanément le stockage et le traitement de l'information. Grâce à cette propriété, il permet de franchir le « goulot d'étranglement » des architectures informatiques actuelles dédiées à l'IA, qui imposent un va-et-vient perpétuel des données entre le processeur et la mémoire. À mesure que les modèles gagnent en échelle, l'énergie engloutie par le transfert des données dépasse parfois celle consacrée au calcul lui-même.
Selon la professeure Pham Kim Ngoc, de la Faculté des sciences et technologies des matériaux (Université des sciences naturelles) et membre clé de l'équipe, la conductivité électrique du memristor peut varier progressivement au fil des phases d'apprentissage et de mémorisation, à l'image de la plasticité synaptique qui régule les connexions neuronales dans le cerveau humain.
Ces atouts font de ce composant une brique technologique très prometteuse pour les réseaux de neurones artificiels, offrant une consommation énergétique nettement moindre et la capacité d'opérer directement sur les équipements terminaux (Edge AI).
L'équipe de recherche soulève que, bien qu'il s'agisse de résultats préliminaires nécessitant encore un changement d'échelle avant d'aboutir à un produit commercialisable, cette reconnaissance internationale témoigne d'une contribution concrète au développement du matériel informatique de nouvelle génération pour l'IA.
Forte de son expertise dans la fabrication de mémoires RRAM, une variante de mémoire vive fonctionnant sur la variation de la résistance électrique de matériaux, à base d'oxydes métalliques, l'équipe s'est posé une question fondamentale : était-il possible de concevoir un memristor inédit, adapté aux capacités de fabrication et aux perspectives de montée en charge au Vietnam ? Plus de cinq ans d'effort auront été nécessaires pour passer de l'idée initiale au composant physique.
« Là où la RRAM nécessite simplement de basculer entre deux états binaires “0” et “1” nettement définis, le memristor exige des dizaines, voire des centaines d'états de résistance intermédiaires pour exécuter les calculs d'IA », explique Dr Pham Kim Ngoc. Pour obtenir ces états progressifs, les chercheurs des deux universités ont combiné leurs compétences en physique des matériaux métalliques et en technologies de fabrication de couches ultraminces. Ils ont eu recours à des couches d'oxyde de chrome et d'oxyde de titane à l'état amorphe, c'est-à-dire dépourvues de la structure cristalline régulière caractérisant la plupart des matériaux conventionnels.
Grâce à cette architecture matérielle spécifique, les scientifiques sont parvenus à piloter la migration des ions oxygène, générant ainsi une multitude de niveaux de résistance électrique. Autre avantage de taille : ces matériaux sont économiques et plus aisés à synthétiser que ceux employés dans la plupart des memristors développés à travers le monde.
L'innovation qui a valu à cette résistance à mémoire « made in Vietnam » d'être homologuée par l'USPTO réside non seulement dans le choix des matériaux, mais aussi dans le design même du composant, précise la chercheuse. Les deux types d'oxydes sont superposés en plusieurs couches alternées, une structure inédite jusqu'alors. Cette conception confère au composant une propriété rectificatrice, maintenant un courant continu stable et permettant ainsi d'assembler de multiples memristors au sein d'un réseau à grande échelle.
L'équipe a testé sa technologie sur une plaquette de silicium carrée, plus petite que la paume d'une main. Sur cette puce, 32 lignes d'électrodes s'entrecroisent pour former 256 points d'intersection, abritant chacun un memristor. Lorsqu'une image, comme un chiffre manuscrit, est convertie en signaux de tension puis injectée dans le réseau, la résistance propre à chaque memristor modifie l'intensité du courant qui le traverse. L'ensemble des signaux électriques du réseau s'additionne ensuite naturellement, conformément aux lois de la physique.
Comme l'explique Dr Pham Kim Ngoc, ces variations de tension réalisent de manière intrinsèque les opérations de multiplication et d'addition matricielles, au cœur de nombreux modèles d'IA, directement grâce aux propriétés de conductivité physique du réseau de composants. Le chiffre reconnu est ensuite restitué sous forme de signal de sortie.
Bien qu'exécuté à petite échelle, cet essai démontre la capacité des memristors à encoder des poids synaptiques et à coordonner des tâches d'inférence, confirmant ainsi la faisabilité technique du procédé.
Le Dr Nguyen Quang, chercheur en réseaux neuronaux artificiels à l'Université internationale (Université Nationale de Hô Chi Minh-Ville) et futur contributeur à la phase de passage à l'échelle du réseau, souligne l'intérêt majeur de cette approche : les calculs s'effectuent directement sur les signaux physiques du circuit, sans nécessiter de conversions ni de traitements successifs à travers de multiples blocs matériels.
« Ces calculs s'opèrent sur des signaux physiques réels à la vitesse de la lumière, alors que les ordinateurs actuels traitent des signaux numériques ou des représentations virtuelles », précise le Dr Nguyen Quang. Le memristor exécute ainsi avec une grande efficacité les calculs des réseaux neuronaux, offrant un potentiel prometteur pour la création de puces d'IA intégrées aux équipements terminaux (Edge AI).
Néanmoins, la matrice actuelle de 256 composants reste de taille « relativement modeste ». Il faudra multiplier le nombre de memristors par plusieurs centaines pour déboucher sur une puce exploitable en conditions réelles. L'équipe de recherche indique qu'il sera nécessaire de miniaturiser les composants sous le seuil du micromètre, puis à terme du nanomètre, afin d'intégrer des millions d'éléments sur une surface d'environ 20 à 25 mm². Cette réduction d'échelle devra impérativement préserver l'uniformité de l'épaisseur ultramince des composants et la stabilité de leurs propriétés électriques.
Selon Dr Pham Kim Ngoc, le développement de cette nouvelle génération de puces d'IA exige des investissements à long terme dans les infrastructures semi-conductrices, notamment en systèmes de photolithographie de pointe, en salles blanches et en lignes de fabrication dédiées. « Le Vietnam a non seulement l'opportunité de s'insérer dans la chaîne d'approvisionnement mondiale, mais aussi d'apporter sa pierre aux technologies clés de la prochaine génération de puces », conclut-elle.
