Heidemarie Krüger et son équipe développent des composants basés sur des memristors visant à établir de nouvelles normes en matière d'efficacité énergétique et de puissance de calcul. Cette technologie efficace en ressources et en temps réel pourrait soutenir des applications telles que les véhicules autonomes et les systèmes industriels.
Le cœur de cette innovation repose sur les memristors, qui fonctionnent de manière similaire aux synapses du cerveau. Ils stockent non seulement des informations, mais les traitent également simultanément, réduisant ainsi considérablement les pertes d'énergie et permettant une analyse rapide et décentralisée des données.
Contrairement aux ordinateurs conventionnels qui fonctionnent sur des données binaires, les memristors peuvent gérer des états continus, permettant des algorithmes avancés qui imitent les réseaux neuronaux. Cette flexibilité ouvre la voie à la maintenance prédictive et à l'analyse en temps réel dans des domaines critiques tels que la conduite autonome.
Le développement a commencé par une découverte fortuite en laboratoire, révélant le comportement de memristance hystérétique essentiel aux capacités de mémoire du dispositif. Cela a conduit à la création de synapses artificielles à partir d'une combinaison de bismuth et d'oxyde de fer, soutenue par un financement significatif de l'Agence fédérale pour les innovations de rupture.
Des projets pilotes initiaux en collaboration avec l'Université technique de Freiberg ont démontré la capacité de la puce à détecter de minuscules changements et à prédire avec précision les schémas d'usure, montrant son potentiel dans le calcul en périphérie en traitant les données localement pour une sécurité et une indépendance accrues.
Alors que les processeurs traditionnels luttent avec des demandes de données croissantes, cette approche neuromorphique combine unités de mémoire et de traitement, réduisant considérablement la consommation d'énergie et élargissant le potentiel des systèmes d'IA. Le prototype actuel comprend 32 memristors, avec des plans pour passer à plus de 200 pour des réseaux neuronaux plus complexes.