Une équipe française dirigée par le CEA-Leti, avec la participation du C2N et de plusieurs autres laboratoires*, a développé une technologie de mémoire hybride permettant aux réseaux neuronaux artificiels d’apprendre et de prendre des décisions directement sur puce.
Le nouveau système combine condensateurs ferroélectriques et mémristances dans une seule pile compatible CMOS. Les mémristances sont adaptées à l’inférence, tandis que les FeCAPs permettent des mises à jour précises pour l’apprentissage. Le dispositif hybride bascule entre ces modes, permettant un apprentissage efficace sans passer par le cloud.
Cette innovation pourrait profiter aux véhicules autonomes, aux capteurs médicaux et aux systèmes industriels, en leur permettant de s’adapter en temps réel aux données entrantes.
Le travail est présenté dans Nature Electronics et a été soutenu par le Conseil européen de la recherche et le PEPR Electronique, intégré dans l’initiative France 2030.
* l’Université Grenoble Alpes, CEA-List, CNRS, l’Université de Bordeaux, Bordeaux INP, l’IMS France et l’Université Paris-Saclay.
Références
A ferroelectric–memristor memory for both training and inference
Michele Martemucci1,2, François Rummens2, Yannick Malot2, Tifenn Hirtzlin1, Olivier Guille1, Simon Martin1, Catherine Carabasse1, Adrien F. Vincent3, Sylvain Saïghi3, Laurent Grenouillet1, Damien Querlioz4 & Elisa Vianello1
Nature Electronics (2025)
https://doi.org/10.1038/s41928-025-01454-7
Affiliations
1 Université Grenoble Alpes, CEA-Leti, Grenoble, France
2 Université Grenoble Alpes, CEA-List, Grenoble, France
3 Université de Bordeaux, CNRS, Bordeaux INP, IMS, Talence, France
4 Université Paris-Saclay, CNRS, Centre de Nanosciences et de Nanotechnologies, Palaiseau, France
Contact C2N : Damien Querlioz
Photo : A single memory, which functions as both memristor and FeCAP, for neural network inference and training
Photo credit: © E.VIANELLO-M.PLOUSEY DUPOUY/CEA
