Voici une reformulation du texte :

L’intelligence artificielle (IA) est couramment utilisée dans divers systèmes embarqués comme la surveillance des patients. Cependant, le traitement des données directement dans ces systèmes est préférable pour économiser l’énergie et garantir la sécurité. Malheureusement, la forte consommation énergétique des IA entrave leur déploiement dans les environnements nécessitant une autonomie. Une solution prometteuse réside dans les systèmes à base de memristors, des composants électroniques programmables capables de stocker des informations en modulant leur résistance. L’utilisation de memristors peut considérablement réduire la consommation d’énergie de l’IA, permettant même la création de systèmes autoalimentés en captant l’énergie environnante, et ainsi concevoir des IA totalement autonomes sans batteries.

La plupart des circuits d’IA memristifs reposent sur un concept de calcul en mémoire analogique exploitant les lois d’Ohm et de Kirchhoff pour effectuer les multiplications et accumulations des réseaux de neurones. Cependant, ce concept est difficile à mettre en œuvre en raison de la variabilité des memristors, des imperfections des circuits CMOS analogiques et des fluctuations de tension d’alimentation. Pour y remédier, des circuits périphériques complexes sont utilisés mais nécessitent une tension d’alimentation stable, incompatible avec les collecteurs d’énergie fluctuants comme les mini-cellules solaires, entravant la réalisation d’une IA memristive autoalimentée.

Des chercheurs ont conçu un réseau neuronal binarisé, fabriqué dans un processus hybride CMOS/memristor, avec une approche résistante aux fluctuations d’alimentation. Cette robustesse a été démontrée en alimentant le circuit avec une mini-cellule solaire à large bande optimisée pour l’intérieur. Fait remarquable, le circuit reste fonctionnel même avec un faible éclairage équivalent à 0,08 fois le flux solaire moyen, ne subissant qu’une légère baisse de précision. Lorsque l’énergie est limitée, le circuit passe ainsi naturellement d’un calcul précis à approximé.

Ces résultats ouvrent la voie au déploiement de l’IA dans les systèmes embarqués autoalimentés. Ils sont publiés dans Nature Communications.